在人工智能顶会AAAI 2025上，哈尔滨工业大学（深圳）联合团队提出的S5VH（基于选择性状态空间的自监督视频哈希技术）引发行业热议。这项技术以高效时序建模和全局语义学习为核心，大幅提升了视频检索速度与精度。其中，团队成员连牛（Niu Lian）与黎俊（Jun Li）在算法设计与训练范式上的创新成为关键突破点。

图1：S5VH的技术流程图

一、技术突破：从“逐帧扫描”到“智能快进”

传统视频哈希技术依赖Transformer建模时序信息，但存在计算复杂度高、显存占用大等问题。连牛主导的双向Mamba架构成为破局关键：

双向扫描机制：通过前向与反向Mamba模块同步处理视频帧，既捕捉足球比赛中“射门→庆祝”的因果关联，也逆向分析“犯规→争议”的上下文逻辑。实验显示，该设计使90分钟比赛视频的特征提取时间缩短至3分钟，内存占用仅为传统方法的40%。

动态信息筛选：模仿人脑记忆的“选择性遗忘”机制，自动过滤冗余画面。例如在安防监控场景中，系统能跳过无人活动的走廊画面，直接定位异常动作片段。

二、黎俊：让AI“无师自通”学视频

黎俊提出的Self-Local-Global（SLG）学习范式，解决了自监督训练中全局语义缺失的难题：

视频语义DNA编码：设计哈希中心生成算法，将数百万未标注视频聚类为“语义家族”。例如不同角度的车祸视频会被映射为相近的二进制编码，即使画面差异显著也能快速匹配。

三阶段学习策略

1. 自我拼图：让AI通过“补全遮挡帧”理解局部细节（如识别被遮挡的车牌）

2. 对比学习：区分同一事件的不同视角（如演唱会舞台全景与特写镜头）

3. 全局对齐：强制哈希码与语义中心匹配，确保“消防车”与“救护车”不会因车颜色相似而混淆

该框架使模型训练收敛速度提升2倍

图2：王锦鹏（左）指导连牛（中）与黎俊（右）的S5VH的代码

三、落地场景

短视频审核：在某平台测试中，系统对暴力内容的识别响应速度达0.2秒，误判率降低18%

版权保护：通过哈希码快速比对，盗版视频识别准确率超95%，助力深圳市深侬信息科技有限公司版权风控系统；

图库的去重：华为手机图库可能存在相似度过高的图片或者视频进行去重处理

四、团队展望

连牛表示：“我们正在探索S5VH与脑科学结合的可能性——未来或许能通过脑电波哈希码，实现‘意念搜索视频’。”黎俊则透露，团队已与多家车企合作研发车载系统，目标让自动驾驶车辆实时解析10公里路况视频，预警响应速度突破毫秒级。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com