Video-LLaVA2是由北京大学ChatLaw课题组推出的开源多模态智能理解系统，通过创新的时空卷积（STC）连接器和音频分支，提升了视频和音频理解能力。模型在视频问答和字幕生成等多个基准测试中表现出色，与一些专有模型相媲美，同时在音频和音视频问答任务中也展示了优越的多模态理解能力。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
Video-baidu09LLaVA2 – ChatLaw推出的开源多模态智能理解系统
猜你喜欢
-
发布了文章 9小时前
龙猫LongCat – 美团自主研发的生成式AI大模型
LongCat（龙猫）是美团自主研发的生成式AI大模型，通过人工智能技术提升公司内部工作效率和创新能力。模型具备强大的多模态能力，能处理文本、图像等多种数据类型，在生成任务上表现出色，例如快速生成图片、视频脚本、代码等。...
-
发布了文章 9小时前
麦橘超然 – 麦橘推出的AI文生图模型，基于 Flux.1 架构
麦橘超然（MajicFlus）是麦橘推出的基于Flux.1架构的AI模型，专注于生成高质量的人像图像，擅长表现亚洲女性的细腻与美感。模型融合多种技术，能生成逼真的人物摄影风格，细致呈现头发、眼睛、雀斑等微小特征。...
-
发布了文章 9小时前
食神 – 老板电器推出的首个烹饪大模型
食神是老板电器推出的首个烹饪垂直领域大模型。基于老板电器46年积累的海量烹饪数据，结合DeepSeek技术，能精准理解烹饪场景需求。用户可通过语音、文字等方式与“食神”交互，获取个性化菜谱推荐、健康膳食规划等服务。...
-
发布了文章 9小时前
风宇 – 中国气象局联合华为和南昌大学推出的空间天气大模型
风宇是中国气象局联合南昌大学和华为共同推出的全球首个全链式空间天气大模型。模型基于创新的链式训练结构，结合卫星观测数据与数值模式数据，实现太阳风、磁层和电离层的全链式耦合模拟，突破传统模型的算力与实时响应瓶颈。...
-
发布了文章 9小时前
雾象Fogsight – AI动画生成Agent，输入主题生成完整叙事动画
雾象Fogsight是大型语言模型（LLM）驱动的动画生成智能体，用户输入抽象概念或词语，能生成高水平的生动动画。核心功能包括“概念即影像”，能将输入的主题转化为叙事完整的动画，包含双语旁白和电影级视觉质感；“智能编排”...
-
发布了文章 9小时前
问小白o4 – 问小白推出的首个并行思考模型
问小白o4是国内首个并行思考模型，能同时启动8条思考路径，自动筛选最优解，提供精准答案。模型融合Long‑CoT强化学习与过程奖励学习，具备深度推理和高质量思考筛选能力。...
-
发布了文章 9小时前
通古大模型 – 华南理工大学推出的古籍大语言模型
通古大模型是华南理工大学深度学习与视觉计算实验室（SCUT-DLVCLab）推出的专注于古籍文言文处理的人工智能语言模型。基于百川2-7B-Base进行增量预训练，使用24.1亿古籍语料进行无监督训练，结合400万古籍对话数...
-
发布了文章 9小时前
通义万相Wan2.2 – 阿里开源的AI视频生成模型
通义万相2.2（Wan2.2）是阿里巴巴开源的先进AI视频生成模型。共开源文生视频（Wan2.2-T2V-A14B）、图生视频（Wan2.2-I2V-A14B）和统一视频生成（Wan2.2-IT2V-5B）三款模型，总参数量...
全部评论
留言在赶来的路上...
发表评论