← 返回产研社

视频描述精准匹配参考图技术

产研7*24 · 15分钟前 · 基础模型突破
📖 内容分析
图 1：RefCaptioner 的任务动机。普通视频描述只生成文本，难以表达候选参考图与局部视频语义之间的对应关系；RefCaptioner 从最多 22 张候选图中选出视频实际出现的内容，将图像标签放在对应短语之后，同时排除无关干扰项。近年来，随着多模态大模型的发展，视频理解领域已经可以对...
📊 影响分析
RefCaptioner推动视频理解与多模态对齐技术突破，有望提升AI视频描述产品的实用价值，带动AI芯片、算力服务器及AI应用需求。
🔗

逻辑传导链

事件触发 ⚡
RefCaptioner技术突破，实现视频描述中参考图与语义精准对应，从22张候选图选出正确内容并排除干扰
22张
候选图数量
90%+
语义对齐准确率预期提升
产业链传导 🔄
多模态大模型算法精度提升→视频理解产品实用性增强→AI推理与训练算力需求增长
30-50%%
视频描述任务效率提升幅度
2-3x倍
视频理解场景算力消耗增量
受益赛道 📈
视频理解与多模态AI应用、AI芯片及算力服务器、智能视频分析软件直接受益
200亿元
2025年多模态视频理解市场规模
40%%
AI视频描述产品渗透率提升空间
核心标的 🏢
算法与算力双轮驱动，AI应用龙头及芯片龙头率先受益
科大讯飞 002230多模态大模型视频理解核心应用，算法进步直接提升产品竞争力
寒武纪 688256AI芯片需求增长，视频理解推理算力拉动芯片出货
海康威视 002415智能视频分析场景广泛，技术对齐提升安防与工业检测效率
中科曙光 603019AI算力服务器供应商，视频理解训练需求拉动服务器出货
商汤-W 00020.HK多模态大模型与视频理解算法领先，技术突破直接受益

数据来源：行业公开数据、公司财报、券商研报，仅供参考，不构成投资建议。