/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
MIT
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
29 янв 2026

RankVideo

Компьютерное зрениеВидео, текст → текст4 профессии

RankVideo — дообученная мультимодальная модель, оценивающая релевантность видео текстовому запросу для повторного ранжирования результатов поиска.

11 272скачиваний за 30 дней1лайквеса обновлены23 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RankVideo — мультимодальная модель для повторного ранжирования результатов текстового поиска по видео, разработанная авторами работы RANKVIDEO: Reasoning Reranking for Text-to-Video Retrieval. Она дообучена на основе Qwen/Qwen3-VL-8B-Instruct и анализирует пары «запрос — видео», чтобы оценить релевантность ролика запросу с учётом его содержания.

Модель предназначена для улучшения выдачи в системах поиска видео по текстовому описанию: она принимает текстовый запрос и видео, а затем выдаёт оценку релевантности. Архитектура — плотная Qwen3-VL с 8 млрд параметров; карточка указывает английский язык и библиотеку Transformers. Обучение проводилось на MultiVENT 2.0 и RankVideo-Dataset.

RankVideo распространяется по лицензии MIT. Она специализирована на ранжировании пар «текст — видео»; карточка не описывает качество на разных наборах данных и языках, поэтому результаты могут зависеть от предметной области и формата поиска.

Сценарии применения

  • повторное ранжирование видео в поисковой выдаче по текстовому запросу
  • оценка релевантности ролика описанию или вопросу
  • улучшение текстового поиска по содержимому видео

Ограничения

Модель предназначена для оценки релевантности пар «запрос — видео»; карточка не приводит сравнительных метрик качества или подтверждения поддержки других языков.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

RankVideo

RankVideo is a video-native reasoning reranker for text-to-video retrieval, fine-tuned from Qwen3-VL-8B-Instruct.

The model explicitly reasons over query-video pairs using video content to assess relevance. It was introduced in the paper RANKVIDEO: Reasoning Reranking for Text-to-Video Retrieval.

Training Data

This model was trained using the MultiVENT 2.0 dataset and RankVideo-Dataset.

Usage

You can use the model for scoring query-video pairs via the rankvideo library as follows:

from rankvideo import VLMReranker

reranker = VLMReranker(model_path="hltcoe/RankVideo")

# Score query-video pairs for relevance
scores = reranker.score_batch(
    queries=["person playing guitar"],
    video_paths=["/path/to/video.mp4"],
)

print(f"Relevance score: {scores[0]['logit_delta_yes_minus_no']:.3f}")

BibTeX

@misc{skow2026rankvideoreasoningrerankingtexttovideo,
      title={RANKVIDEO: Reasoning Reranking for Text-to-Video Retrieval}, 
      author={Tyler Skow and Alexander Martin and Benjamin Van Durme and Rama Chellappa and Reno Kriz},
      year={2026},
      eprint={2602.02444},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2602.02444}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
c52c833

0 моделей