L

Llama Vid 7b Full 224 Video Fps 1

由YanweiLi開發
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
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase