Réponse zéro-shot à des questions vidéo

La tâche de Zero-Shot Video Question Answering vise à permettre aux grands modèles linguistiques de répondre avec précision à des questions sur le contenu vidéo sans formation spécifique. Cette tâche relève du domaine de la vision par ordinateur et renforce les capacités de compréhension multimodale des modèles, leur permettant d'analyser et de répondre immédiatement à des données vidéo inédites. Elle présente une valeur d'application significative, notamment dans les systèmes de dialogue intelligent, la recherche de contenu vidéo et les scénarios d'answer automatique aux questions.