三花快讯 · 2024, 4月30日
PLLaVA: 高性能视频理解模型
PLLaVA是一个开源的能够为视频自动生成描述的智能系统，它使用了一种新颖的池化技术来提高视频内容的理解能力。
PLLaVA是一个开源的能够为视频自动生成描述的智能系统，它使用了一种新颖的池化技术来提高视频内容的理解能力。
在 Video ChatGPT 和 MVBench 基准测试中均超越了 GPT4V (IG-VLM)
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。