Vamba Qwen2 VL 7B
Vamba是一种混合Mamba-Transformer架构,通过交叉注意力层与Mamba-2模块实现高效的长视频理解。
下载量 806
发布时间 : 3/13/2025
模型简介
Vamba是一种创新的混合架构,结合了Mamba和Transformer的优势,专门设计用于处理长视频理解任务。它通过差异化处理文本和视频token,显著降低了计算开销。
模型特点
高效长视频处理
采用Mamba模块处理视频token序列,显著降低计算复杂度
混合架构设计
结合Transformer的自注意力机制和Mamba的高效序列处理能力
差异化token处理
对文本和视频token采用不同的处理机制,优化计算效率
模型能力
长视频理解
视频内容描述
图像内容描述
多模态推理
使用案例
视频内容分析
魔术技巧分析
分析并描述视频中的魔术表演技巧
能准确识别并描述魔术动作
图像理解
图像内容描述
对输入图像进行详细描述
生成准确的图像描述
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98