NVIDIA专场论坛 | 主题演讲：视频多模态理解和生成技术

多模态视频理解与生成技术旨在融合文本、视觉、音频等多源信息，实现对视频内容的理解、并进一步实现创作，并生成多模态衍生物。该技术依托深度学习与跨模态表征学习，可完成视频内容理解，并可进行AI 生成内容等高质量视频生成。相关研究广泛应用于视频理解及视频内容生成（高光，二创衍生），以及3D媒体等场景，为下一代媒体与智能视频创作提供核心技术支撑。