TT-VidT, un pré-entraînement vidéo centré sur le mouvement, réduit le calcul de l’encodeur
1 sourcemis à jour 29 sept.pertinence 2,3 sur5
L’essentiel
Il mène sur Jester, Something-Something V2, ARID et Diving48, avec 54 % à 121 % de mieux que la meilleure ligne non TT. Il utilise 48 % de FLOPs en moins que DisMo et 55 % de moins que VideoMAE ou V-JEPA2.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceShih-Ying Yeh, Daniel Z. Kaplan, Xuehai Wang et al.huggingface.co
TT-VidT: Decoupling the Temporal Axis for Efficient Motion-Centric Video Pretraining (site externe)
Comparisons in video self-supervised learning often evaluate complete training recipes rather than isolating the method itself: architecture, objective, data exposure, schedule, scale, and decoder capacity can all vary at once.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5