跳到正文
Hacker News 首页

Linum 公开视频模型 v3 的数据筛选演进:从 CPU 土法炼钢到 RL 美学打分

Getting video models to learn better, faster

Linum 在训练开源视频模型 v3,这篇博客详细拆解了他们从 2024 年至今的数据筛选流水线是怎么一步步搭起来的。最早为了省钱,全用 CPU 跑传统视觉算法:用 PySceneDetect 切镜头、EAST 做文字识别、靠 H.264 的运动向量踢掉几乎不动的片段,再用 Haar 级联分类器对“大头讲话”视频做降采样。

推荐理由:Linum 复盘开源视频模型 v3 的数据筛选流水线,从 CPU 传统视觉算法到 GPU 美学打分,逐步交代每一步的动机与取舍。

读原文 ↗导出 Markdown