OVG-HQ团队 投稿 量子位 | 公众号 QbitAI 还在实时视频里找特定事件找半天？最新技术直接开挂了。 试想一下，安防监控中，几个人影短暂掠过，利用新技术可以秒级调出这段"可疑聚众"的精准片段。 △ 图片为AI生成 在VR训练场，你戴上VR眼镜练习投篮，提前在手机App输入"定位和这个视频示范 （库里完美三分片段） 相似的动作"。训练开始，每一次 出手，眼镜在后台默默分析第一视角视频流。当你做出动作、发力、弧线都神似库里的三分时，眼镜立刻就能在虚拟界面高亮标记这个片段。 △ 图片为AI生成 不卖关子，这就是来自深圳北理莫斯科大学、阿德莱德大学的研究团队提出的新任务。 名叫 混合模态在线视频定位 （Online Video Grounding with Hybrid-modal Queries, OVG-HQ） 。 用大白话说，这项技术能让系统一边直播/录像，一边根据你提供的多种"线索"，包括文字、参考图、示范视频片段或组合等，瞬间在实时视频 流中找出并精准裁剪出你关心的完整事件。 论文已收录于ICCV2025。 "离线"是硬伤 ：主流技术必须等视频录完才能干活，事后分析如同马后炮，无法满足安防"秒级响 ...