谷歌刚刚将DeepMind和谷歌大脑合并为一个大型人工智能团队，周三，新的谷歌DeepMind分享了关于如何使用其视觉语言模型(VLM)之一为YouTubeShorts生成描述的详细信息，这有助于提高可发现性。
DeepMind在帖子中写道：“短裤仅需几分钟即可创建，而且通常不包含描述和有用的标题，这使得它们更难通过搜索找到。”Flamingo可以通过分析视频的初始帧来解释正在发生的事情，从而做出这些描述。(DeepMind给出了“一只狗在头上平衡一堆饼干”的例子。)文本描述将作为元数据存储，以“更好地对视频进行分类并将搜索结果与观众查询相匹配。”
我真的推荐观看DeepMind的视频，解释它是如何工作的，我在下面嵌入了该视频。它只有大约一分钟长，并且以易于消化的方式分解了内容。
我们强大的视觉语言模型Flamingo正在改变