Videochat2 HD Stage4 Mistral 7B Hf

🚀 VideoChat2-HD-hf

このモデルは、「MVBench: A Comprehensive Multi-modal Video Understanding Benchmark」のモデル情報を提供することを目的としています。このモデルは、ビデオとテキストの相互変換に特化しており、多様なビデオ理解タスクに役立ちます。

🚀 クイックスタート

モデル情報

🛠 使用方法

Jupyterデモを確認してください。

📃 モデルソース

• リポジトリ: VideoChat2
• 論文: 2311.17005

✏️ 引用

この研究があなたの研究に役立った場合、VideoChat2を引用することを検討してください。あなたの引用は、研究コミュニティへの貢献を続ける上で大きな助けになります。

@article{li2023videochat,
  title={VideoChat: Chat-Centric Video Understanding},
  author={KunChang Li, Yinan He, Yi Wang, Yizhuo Li, Wenhai Wang, Ping Luo, Yali Wang, Limin Wang, and Yu Qiao},
  journal={arXiv preprint arXiv:2305.06355},
  year={2023}
}

@misc{li2023mvbench,
      title={MVBench: A Comprehensive Multi-modal Video Understanding Benchmark}, 
      author={Kunchang Li and Yali Wang and Yinan He and Yizhuo Li and Yi Wang and Yi Liu and Zun Wang and Jilan Xu and Guo Chen and Ping Luo and Limin Wang and Yu Qiao},
      year={2023},
      eprint={2311.17005},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}