Videomind 2B FT QVHighlights

🚀 VideoMind-2B-FT-QVHighlights

VideoMind是一個多模態智能體框架，它通過模擬“類人”過程（如“分解任務”、“定位和驗證時刻”以及“合成答案”）來增強視頻推理能力。

🚀 快速開始

暫未提供快速開始相關內容，若有後續使用需求，可參考項目的GitHub倉庫獲取更多信息。

✨ 主要特性

VideoMind框架具備多模態處理能力，能夠模擬人類處理視頻推理任務的過程，通過分解任務、定位和驗證時刻以及合成答案等步驟，有效增強視頻推理能力。

📚 詳細文檔

🔖 模型詳情

模型描述

更多詳情

有關此模型的更多詳細信息，請參考我們的GitHub倉庫。

📖 引用

如果您覺得這個項目有幫助，請引用我們的論文。

@article{liu2025videomind,
  title={VideoMind: A Chain-of-LoRA Agent for Long Video Reasoning},
  author={Liu, Ye and Lin, Kevin Qinghong and Chen, Chang Wen and Shou, Mike Zheng},
  journal={arXiv preprint arXiv:2503.13444},
  year={2025}
}

📄 許可證

本項目採用BSD-3-Clause許可證。