面向大规模数据集的效率检索系统 Fusionista2.0
计算机视觉与模式识别
2026-02-19 v2
摘要
Video Browser Showdown(VBS)挑战系统在严格时间限制下提供准确结果。为满足这一需求，我们提出Fusionista2.0，一个为速度和可用性优化的精简视频检索系统。所有核心模块都重新设计以提高效率：预处理现在依赖 ffmpeg 进行快速关键帧提取，光学字符识别使用 Vintern-1B-v3.5 实现稳健的多语言文本识别，自动语音识别采用 faster-whisper 实现实时转录。对于问答，轻量级视觉语言模型提供快速响应，无需重型大模型。除了这些技术升级，Fusionista2.0引入了重新设计的用户界面，提高了响应性、可访问性和工作流程效率，使即使是非专业用户也能快速检索到相关内容。评估显示，检索时间缩短了最高可达75%，同时准确率和用户满意度均提升，确认Fusionista2.0作为大规模视频搜索的竞争且用户友好系统。
引用
@article{arxiv.2511.12255,
title = {Fusionista2.0: Efficiency Retrieval System for Large-Scale Datasets},
author = {Huy M. Le and Dat Tien Nguyen and Phuc Binh Nguyen and Gia Bao Le Tran and Phu Truong Thien and Cuong Dinh and Minh Nguyen and Nga Nguyen and Thuy T. N. Nguyen and Tan Nhat Nguyen and Binh T. Nguyen},
journal= {arXiv preprint arXiv:2511.12255},
year = {2026}
}