Free Video-LLM是创新的无需训练的高效视频语言模型，基于提示引导的视觉感知技术，实现对视频内容的高效理解。模型用预训练的图像LLMs，无需额外训练即可适应视频任务，减少视频帧生成的视觉标记数量，降低计算成本。Free Video-LLM在多个视频问答基准上展现出与最先进的视频LLMs相媲美的性能，显著减少了视觉标记的使用，为视频理解任务提供准确性与计算效率之间的理想平衡。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
Free Video-baidu09LLM – 无需训练的高效视频语言模型
猜你喜欢
-
发布了文章 31秒前
GaussianAnything – 南洋理工 S-baidu09Lab 和上海 AI Lab 等推出的 3D 生成框架
GaussianAnything 是南洋理工大学 S-Lab 联合上海 AI Lab 等机构推出的 3D 生成框架。GaussianAnything 基于交互式的点云结构化潜空间和级联的流匹配模型，实现高质量、可扩展的 3D...
-
发布了文章 5分钟前
GarDiff – AI虚拟试穿技术，生成高保真试穿图像保留服装细节
GarDiff是一种创新的虚拟试穿技术，通过使用CLIP和VAE编码来提取服装的外观先验，结合服装聚焦适配器和高频细节增强算法，生成高保真且细节丰富的试穿图像。能精确地对齐服装与人体姿态，保留服装的复杂图案和纹理，提供真实的...
-
发布了文章 8分钟前
GameNGen – 谷歌推出的首个AI游戏引擎，生成实时可玩的游戏
GameNGen是谷歌推出的首个AI游戏引擎，能以每秒20帧的速度实时生成逼真的DOOM游戏画面，甚至让60%的玩家无法区分真假。GameNGen预示着游戏开发可能不再需要传统编程，大幅降低成本，同时为游戏创作带来无限可能。...
-
发布了文章 12分钟前
GameGen-baidu09X – 香港科技大学联合多所机构推出的交互式开放世界游戏生成算法
GameGen-X是香港科技大学、中国科学技术大学等机构研究人员推出的扩散变换器模型，用在生成和交互控制开放世界游戏视频。模型能模拟游戏引擎功能，如创新角色、动态环境、复杂动作和多样化事件，支持用户用文本指令和键盘控制等多模...
-
发布了文章 15分钟前
GameGen-baidu09O – 腾讯推出的游戏视频生成模型，自动生成角色、场景、动作和事件
GameGen-O 是腾讯推出的一款基于 Transformer 架构的游戏视频生成模型，专门用于生成开放世界视频游戏。模型能模拟游戏引擎的多种功能，包括生成游戏角色、动态环境、复杂动作等，支持交互控制，支持用户通过文本、操...
-
发布了文章 19分钟前
GameFactory – 香港大学和快手联合推出的可泛化游戏场景框架
GameFactory 是香港大学和快手科技联合提出的创新框架，解决游戏视频生成中的场景泛化难题。框架基于预训练的视频扩散模型，结合开放域视频数据和小规模高质量的游戏数据集，通过多阶段训练策略，实现动作可控的游戏视频生成。...
-
发布了文章 23分钟前
GTSinger – 浙大开源的大型多语言高质量歌声数据集
GTSinger是由浙江大学研究团队推出的大型开源高质量歌声数据集，旨在支持多样化的歌声任务。GTSinger包含80.59小时的专业录音棚录制的歌声，涵盖九种不同语言（汉语、英语、日语、韩语、俄语、西班牙语、法语、德语和意...
-
发布了文章 27分钟前
GTA – 上海AI Lab联合交大推出评估通用工具智能体的基准测试
GTA（a benchmark for General Tool Agents）是上海交通大学和上海AI实验室共同推出的基准测试，评估大型语言模型（LLMs）在真实世界场景中调用工具的能力。GTA基于提供真实的用户问题、真实...
全部评论
留言在赶来的路上...
发表评论