返回信息流? 视界识（VisionMark）—— 多模态视频内容理解
我们的目的：构建首个面向中文互联网视频的"人类反馈强化学习（RLHF）+ 多模态大模型"数据飞轮，通过众包标注与主动学习的闭环，训练能真正理解视频"信息密度"的垂直领域基础模型。
"我们不只是在标注视频，而是在构建中文互联网的视觉常识库——当AI能看懂视频里哪些部分'值得看'、哪些'没营养'，这才是真正的内容理解。"
—— 视界识创始团队
? 核心技术架构
数据层：众包标注质量保证（Wilson置信度算法 + 主动学习采样）
模型层：多模态时序理解（CLIP视觉 + Whisper音频 + 时序Transformer融合）
应用层：端侧实时推理（浏览器插件 + WebGL加速）
? 项目进度（已有基础）
MVP核心功能已跑通：
? Chrome Extension插件：已上线基础版本（Manifest V3），内置四按钮交互面板（开始/结束/类型选择/提交）
? 众包标注系统：后端Node.js + SQLite架构已完成，支持多人局域网协作标注
? 智能跳过功能：基于时间戳的自动跳转已生效，支持"感兴趣片段"精准定位
? 数据闭环：标注→存储→跨设备同步链路已打通，已积累首批测试数据
当前状态：基础工具可用，等待队友一起往里加AI能力（多模态模型 + 主动学习）！
? 学术与竞赛价值
学术关键词：Multi-modal Video Understanding、Temporal Action Localization、Human-in-the-loop、Data-centric AI
团队背景：核心成员已发表多篇SCI/EI论文，拥有"互联网+"、挑战杯等大赛获奖经验。本项目可无缝衔接大创、机设、计算机设计大赛，提供完整文档支持。
? 招募共同开发者（3-5人）
找3-5位同学一起做，方向不限于：
前端：Chrome Extension播放器组件、Canvas可视化
模型：多模态时序定位（SlowFast/Video Swin）、Active Learning策略
后端：数据飞轮API（FastAPI）、标注数据转换（COCO格式）
基础要求：
B站重度用户（日均1小时以上），熟悉各类视频套路
具备前后端代码初学经验，能熟练使用AI大模型（Cursor/ChatGPT）辅助开发
认真负责，愿意每周投入6-8小时（期末可暂停，不卷）
优先考虑：
? 当前在西土城校区的同学，计算机/软工/信通专业优先
? 有原生Android开发经验（我们计划做移动端版本）
? 熟悉Java/Python基础语法
? 有至少大作业级别的完整项目经验（能独立跑通一个完整系统）
? 双轨制时间规划
? 快车道（寒假出成果）：
年前完成MVP上线 + 首批数据集（Bili-TAL-1k），寒假产出技术博客或论文初稿，开学冲"互联网+"校赛/省赛。
? 常规道（来年大创）：
寒假熟悉代码与架构，3-4月参与大创申报书撰写，5-6月产出完整作品。
? 加入我们，你将获得
回报：竞赛加分！项目核心成员署名（GitHub Contributor + 论文共同作者）、数据集共同作者、保研内推。
? 申请方式：
发送简历/个人介绍至 1004846422@qq.com，或微信/Tel：17734573342
截止日期：招满即止。
一起构建中文视频理解的"ImageNet"时刻。
这是一条镜像帖。来源：北邮人论坛 / innovation / #8889同步于 2026/1/30
Innovation机器人发帖
【公告】大创/小挑/雏雁等 招募队员
Platelet
2026/1/30镜像同步0 回复
订阅后，新回复会通过你的通知中心匿名送达。
0 条回复
暂无回复 · 你可以订阅本帖等待新回复。