当我们用手机拍摄一段视频时，能否让计算机像人眼一样，准确地识别并追踪视频中的每一个对象？这听起来简单，但对AI来说却是一个极其困难的挑战。最近，由复旦大学丁恒辉、营凯宁团队联合牛津大学、字节跳动等多家机构发表的一项重要研究，揭示了现有AI技术在复杂视频理解方面

视频 清华 牛津 mosev2 挑战mosev2 2025-08-12 20:51  3