FrozenBiLM

冻结语言模型，零样本看懂视频回答问题

FrozenBiLM 是一个用于零样本视频问答（VideoQA）的开源模型，来自 NeurIPS 2022 论文。它解决的是在没有任何视频标注数据的情况下，直接回答关于视频内容的问题。其核心思路是冻结双向语言模型（如 BERT）的权重，仅训练一个轻量的视频-文本对齐模块，将视频特征映射到语言模型的语义空间中，从而利用语言模型已有的知识进行推理。该模型支持多种视频问答基准，并提供完整的训练和评估代码。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 159

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队antoyang

所属国家

官网地址

GitHubhttps://github.com/antoyang/FrozenBiLM

定价模式free

价格说明开源模型，Apache-2.0许可，完全免费，需自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型large-language-models,multimodal-learning,pre-training,video-question-answering,video-understanding,videoqa,vision-and-language,visual-question-answering,vqa,weakly-supervised-learning

GitHub 星标★ 159

30天Star增速

HF 下载量

上线时间2022-09-25 00:00:00

最近更新2026-04-12 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

零样本能力强：无需视频标注数据即可在多个 VideoQA 基准上达到领先效果
训练高效：只训练轻量对齐层，显存和算力需求远低于端到端微调
代码完整：提供数据处理、训练、评估全流程，易于复现

不足之处

文档偏学术，上手门槛较高
依赖特定视频特征提取器，灵活性受限

适用场景

学术研究：探索零样本视频理解与语言模型结合
视频检索：根据自然语言问题定位视频片段
自动化视频审核：对视频内容进行问答式检查

替代项目

Frozen in Time、VideoCLIP、VIOLET

项目介绍

FrozenBiLM 是计算机视觉领域的开源项目，由 antoyang 开发，2022 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 159。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-04-12。Apache-2.0许可，完全免费，需自行部署。

它主要面向的使用场景是：学术研究：探索零样本视频理解与语言模型结合。同类可对比的替代方案包括 Frozen in Time、VideoCLIP、VIOLET。

上一篇：MovieChat

下一篇：talk2bev