阿里开源 VideoRefer：利用 LLM 实现视频对象感知与推理

1个月前更新 jovi

219 0 0

阿里开源 VideoRefer：利用 LLM 实现视频对象感知与推理

VideoRefer 是阿里开源的一项专门用于视频中对象的感知和推理的技术。该技术包括数据集、模型和基准测试三大核心组件，能够对用户定义的区域进行细粒度的感知、推理和检索，支持单帧和多帧输入。简单来说，就是利用 LLM 来理解视频内容。目前，该模型的代码和模型均已开源。

来源：三花快讯

© 版权声明

文章版权归作者所有，未经允许请勿转载。

广告也精彩

相关文章

AiCC小报 2024-07-01

1,906

AiCC小报 2024-01-24

4,208

AiCC小报 2024-04-02

4,454

AiCC小报 2024-02-05

3,698

AiCC小报 2024-09-04

1,648

AiCC小报 2024-07-11

1,300

AI 地带(aididai.cn)导航收录了国内外数百个不同类型的AI工具，每日更新和添加最新AI工具，AI工具集还推荐了AI学习开发的常用网站、框架和模型，帮助你加入人工智能浪潮，自动化高效完成任务！ Ctrl + D 或 ⌘ + D 收藏本站到浏览器书签栏。

Copyright © 2023 AI 地带