Aggregatore Video Compresso per Raccomandazione Efficiente di Micro-Video

Un team di ricercatori ha presentato un nuovo strumento chiamato Aggregatore Video Compresso (CVA), che si concentra sul miglioramento delle raccomandazioni di micro-video mantenendo il contenuto video separato dall'apprendimento delle preferenze. Questo modulo utilizza una tecnica chiamata masked mean pooling per trasformare gli embedding statici dei frame VFM in un anchor di consenso semantico, che viene poi convertito in uno spazio latente più piccolo. Subisce ulteriori affinamenti attraverso strati di self-attention residua e feedforward, producendo un unico embedding video per le raccomandazioni. Per ridurre la ridondanza, i titoli aiutano a selezionare i frame importanti utilizzando CLIP. I test sui dataset MicroLens e Short-Video mostrano notevoli miglioramenti, insieme a significative riduzioni del tempo di addestramento e della memoria GPU, migliorando al contempo le prestazioni di tutti i metodi, incluso CVA.