V-Agent est un nouveau système de recherche vidéo interactif qui intègre des modèles vision-langage (VLM) pour permettre aux utilisateurs de rechercher du contenu vidéo à l'aide de requêtes en langage naturel. L'architecture du système combine un VLM pour la compréhension sémantique avec un module de recherche pour un indexage efficace. Lors des évaluations, V-Agent a surpassé les méthodes traditionnelles basées sur des mots-clés, atteignant une précision et un rappel plus élevés. Le composant interactif permet un raffinement itératif des requêtes, améliorant l'expérience utilisateur. Cette approche a des implications pour la surveillance vidéo, les archives médiatiques et la modération de contenu. L'article, présenté à ESWA 2025, souligne le rôle croissant des VLM dans les tâches de recherche multimédia. Les développeurs et chercheurs peuvent utiliser ce cadre pour construire des outils de recherche vidéo plus intuitifs.
V-Agent est un système de recherche vidéo interactif qui utilise des modèles vision-langage pour les requêtes en langage naturel. Il démontre une précision et une interaction utilisateur améliorées. Ce travail est important pour l'avancement de la compréhension vidéo et des technologies de recherche.