Llama Vid 7b Full 224 Video Fps 1
LLaMA-VID是基於LLaMA/Vicuna微調的開源多模態聊天機器人,通過擴展上下文令牌支持長達數小時的視頻處理能力。
下載量 86
發布時間 : 11/29/2023
模型概述
LLaMA-VID是一個視覺語言模型,通過額外上下文令牌賦能現有框架,使其支持超長視頻處理,並突破性能上限。基於LLaVA架構實現,主要用於大型多模態模型及聊天機器人的學術研究。
模型特點
超長視頻處理
通過擴展上下文令牌支持長達數小時的視頻內容處理
多模態理解
同時處理視頻和文本信息,實現跨模態理解
開源架構
基於開源的LLaMA/Vicuna和LLaVA架構構建
模型能力
視頻內容理解
多模態對話
長視頻分析
視覺問答
使用案例
學術研究
視頻理解研究
用於計算機視覺和自然語言處理交叉領域的研究
多模態模型開發
作為開發更先進多模態模型的基礎
教育
教學視頻分析
自動分析長教學視頻內容並回答相關問題
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98