LLaVA-Video，开源的视频多模态LMM，同时开源了视频训练数据集。

LLaVA-Video，开源的视频多模态LMM，同时开源了视频训练数据集插图

可以自动生成视频详细描述，对于选定的视频，我们使用 GPT-4o 来系统地描述其内容。

可以自动生成视频问答，参考公共视频问答基准测试，将这些问题分为 16 个特定类别，给定详细的视频描述，我们使用 GPT-4o 为每种类型的问题最多生成一个问答对。

项目地址：https://llava-vl.github.io/blog/2024-09-30-llava-video/

Github地址：https://github.com/LLaVA-VL/LLaVA-NeXT

论文地址：http://arxiv.org/abs/2410.02713

模型下载地址：https://huggingface.co/collections/lmms-lab/llava-video-661e86f5e8dabc3ff793c944



微信扫描下方的二维码阅读本文

LLaVA-Video，开源的视频多模态LMM，同时开源了视频训练数据集插图1

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。