标签
VEDJE是一种面向可扩展视频-文本检索的视频高效判别式联合编码器，能够将每个视频压缩为仅48 KiB的时序结构化缓存，并利用轻量级的3300万参数联合编码器，在MSR-VTT上达到59.8的R@1，其在线参数量比LamRA少约49倍。