Mamba模型融合了CNN的并行处理优势和RNN的长期记忆功能，有效改善了Transformer在长序列处理上的不足。与Transformer相比，Mamba更擅长提取视频特征和构建帧间的全局联系。虽然Mamba模型较新，在多模态视频检索领域的应用仍处于初步探索阶段，但将其应用于文本和视频的多模态检索具有显著的科研潜力。本研究基于文本视频检索的大模型CLIP4clip，探索使用Mamba模型替换CLIP模型中的Transformer架构，目的是对输入向量进行更有效的信息建模。这一尝试不仅展示了Mamba模型的实用性，也为未来的研究方向提供了新的视角。

SCRFD人脸检测（Sample and Computation Redistribution for Efficient Face Detection）通过训练数据采样和计算分布策略，旨在提高人脸检测的效率，主要目标是低延迟、低成本和高准确度。本文对SCRFD-10g模型进行了优化和全面评测，包括在WIDER FACE的Easy/Medium/Hard条件下的准确率评估，不同尺寸人脸框的检测精度，口罩遮挡下的人脸检测，不同光照和分辨率条件下的表现，关键点检测精度，不同得分阈值对准确度的影响，以及低质量图片下的人脸检测效果。全面分析SCRFD-10g模型，评估其部署和应用潜力。