arXiv · 07.08.2026 ·Исследования и наука

Новый подход ICQ для анализа видео с привязкой к конкретным личностям

Исследователи представили задачу Identity-conditioned Queries (ICQ), направленную на улучшение видеоаналитики с учетом идентификации людей. В отличие от стандартных моделей, работающих с общим описанием видео, ICQ требует от ИИ сопоставлять визуальные данные с конкретным референсным изображением человека. Это позволяет системам точнее интерпретировать сложные сцены, где важно отслеживать действия конкретных участников в многопользовательских видеопотоках.

Современные методы видеоанализа часто ограничиваются простыми текстовыми запросами, что затрудняет поиск или анализ поведения конкретного человека в условиях многозадачности. Новый подход объединяет мультимодальные входные данные и требует от модели не просто описать происходящее, но и связать действия в видео с визуальным образом объекта. Это критически важно для систем видеонаблюдения, анализа спортивных трансляций и разработки продвинутых ассистентов, способных понимать контекст взаимодействия людей.

Внедрение ICQ позволяет преодолеть разрыв между общим пониманием видео и персонализированным анализом. Модели, обученные по этой методологии, демонстрируют более высокую точность в задачах, где требуется идентификация и прослеживание субъекта в динамичной среде. Исследование подчеркивает переход от простых классификаторов к глубокому пониманию идентичности в видеопотоке.

Ключевые факты

Задача ICQ (Identity-conditioned Queries) фокусируется на совместной интерпретации видео и референсного изображения.
Метод решает проблему ограниченности текущих видео-текстовых моделей, которые плохо справляются с идентификацией конкретных людей.
Подход позволяет реализовать точное «персоноцентричное» рассуждение в сложных мультимодальных сценариях.
Исследование направлено на повышение качества анализа в задачах, требующих отслеживания действий конкретных субъектов в реальном времени.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Машинное обучение VQ-VAD: новый метод обнаружения аномалий на основе анализа движений Исследователи представили VQ-VAD — новый метод обнаружения аномалий в видеопотоке, использующий векторное квантование для анализа динамики движений человека. Подход фокусируется на скелетных данных вместо обработки исходного видео, что позволяет эффективно отсеивать визуальные шумы, такие как изменение освещения или ракурса, а также соблюдать требования конфиденциальности при анализе систем видеонаблюдения. arXiv · Исследования и наука Новый подход к интерпретируемости видео-моделей через визуальное обоснование Исследователи представили метод Evidence-Backed Video Question Answering, решающий проблему «черного ящика» в современных видео-LLM. В отличие от стандартных моделей, которые выдают только текстовые ответы, новая архитектура обеспечивает верифицируемое визуальное обоснование. Это позволяет системе точно отслеживать динамические объекты в видео, включая случаи перекрытия и сложные деформации, что значительно повышает прозрачность и надежность работы ИИ с видеоконтентом. arXiv · Безопасность и алайнмент Inverse Constitutional AI: новый метод интерпретируемого алайнмента Исследователи представили метод Inverse Constitutional AI (ICAI), который позволяет извлекать логику человеческих предпочтений из оценок моделей. Вместо простого выбора между вариантами, система анализирует скрытые критерии и формулирует их в виде понятных принципов на естественном языке. Это повышает прозрачность процесса алайнмента, делая процесс принятия решений ИИ более предсказуемым и обоснованным. Hacker News · Исследования и наука Развитие эмоционального интеллекта в ИИ: от распознавания лиц к анализу контекста Разработчики ИИ переходят от простого распознавания эмоций по мимике к более сложным системам, учитывающим социальный контекст и многомодальные данные. Современные модели учатся интерпретировать не только выражение лица, но и тон голоса, жесты и обстановку, что позволяет ИИ точнее оценивать эмоциональное состояние человека и адекватнее реагировать в процессе взаимодействия. arXiv · Исследования и наука OmniAgent: новый подход к анализу длинных видео через активное восприятие Исследователи представили OmniAgent — архитектуру для анализа видео, которая отходит от традиционной модели «пассивного просмотра». В отличие от существующих систем, которые обрабатывают все кадры видеоряда равномерно, что приводит к линейному росту вычислительных затрат при увеличении длительности записи, новый метод имитирует активное восприятие. Система самостоятельно выбирает наиболее информативные фрагменты для анализа в зависимости от поставленного запроса. arXiv · Инфраструктура для агентов Video-DeepResearch: агент для анализа видеопотоков и глубокого поиска Исследователи представили Video-DeepResearch (Video-DR) — мультимодальный агент, способный анализировать непрерывные видеопотоки вместо статичных изображений. Система объединяет пространственно-временное обоснование с возможностями поиска в открытом вебе. Разработка направлена на решение проблем текущих моделей, которые часто игнорируют визуальные данные в пользу текстовых запросов, ограничиваясь лишь параметрическими знаниями при выполнении сложных исследовательских задач. arXiv · Исследования и наука Новый подход к детекции AI-видео: от поиска артефактов к семантической проверке Исследователи представили комплексный обзор методов обнаружения видео, созданных нейросетями, предложив переход от поиска визуальных артефактов к семантической верификации фактов. Новый подход, названный «Factual Fidelity Verification», анализирует логику событий, физическую достоверность и согласованность объектов в кадре, что становится критически важным в условиях стремительного роста реалистичности генеративного контента и неэффективности традиционных алгоритмов проверки. arXiv · Исследования и наука Новый метод PRISM-AH для распознавания амбивалентности и нерешительности в видео Исследователи представили модель PRISM-AH, предназначенную для автоматического выявления состояний амбивалентности и нерешительности (A/H) в видеопотоках. Система анализирует противоречивые сигналы в мимике, голосе, речи и жестах человека. Технология помогает точнее определять психологические барьеры, предшествующие отказу от изменения поведения, что критически важно для медицины, психотерапии и систем поддержки принятия решений. Hacker News · Исследования и наука ИИ открывает новую эру в изучении когнитивных способностей приматов Исследователи из Университета Эмори применили алгоритмы машинного обучения для анализа поведения диких приматов, что позволило автоматизировать сбор данных, ранее требовавший тысяч часов ручного наблюдения. ИИ-системы распознают сложные социальные взаимодействия и мимику особей в естественной среде, обеспечивая высокую точность фиксации когнитивных процессов, которые ранее оставались недоступными для детального количественного анализа в полевых условиях. Hacker News · Машинное обучение Оптимизация обработки видео в LLM через выбор ключевых кадров Эффективная работа с видео в больших языковых моделях зависит не от вычислительной мощности, а от стратегии выбора кадров. Исследование показывает, что подача в модель лишь нескольких релевантных изображений вместо всей последовательности позволяет достичь высокой точности понимания видеоконтента, значительно снижая затраты на токены и ускоряя время отклика системы при анализе длинных роликов.

← Все материалы