InternVideo2 是一个开源的视频理解模型，拥有 60 亿参数的编码器和超过 4 亿个样本。
这个版本在动态场景感知、时间理解和推理方面表现出色，非常适合应用于实体 AI 和自动驾驶等领域，官方贴心的提供了演示
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。