模型介绍
中文整理TimeLens-7B
模型用途
TimeLens-7B是一个多模态大语言模型，专注于视频时序定位任务，能够根据文本描述在视频中定位对应的时间片段。
主要能力
该模型在视频时序定位方面表现出色，能够识别视频中与特定描述相关的时间边界。模型基于Qwen2.5-VL-7B-Instruct微调而成，采用强化学习与可验证奖励（RLVR）训练方法，并使用改进的时间戳编码策略。训练数据为TimeLens-100K数据集。
输入输出
输入：视频及文本查询
输出：视频中对应内容的时间戳定位结果
运行要求
需要安装相关依赖包以运行模型推理。
基本用法
通过HuggingFace Transformers库加载模型进行推理。
性能表现
在三个基准数据集上的主要指标：
Charades-TimeLens数据集：R1@0.3达70.5，R1@0.5达55.6，R1@0.7达28.4，mIoU达48.8
ActivityNet-TimeLens数据集：R1@0.3达62.8，R1@0.5达51.0，R1@0.7达32.6，mIoU达46.2
QVHighlights-TimeLens数据集：R1@0.3达74.1，R1@0.5达62.7，R1@0.7达43.1，mIoU达56.0
许可证
如在研究或应用中引用该模型，请按相关论文要求进行引用。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。