收集全球10,000⁺个好用的AI软件
-
LLaVA-VideoLLaVA-Video是一个专注于视频指令调优的大型多模态模型(LMMs),通过创建高质量的合成数据集LLaVA-Video-178K来解决从网络获取...
-
OmAgent.comOmAgent是一个多模态原生代理框架,用于智能设备等。它采用分治算法高效解决复杂任务,能预处理长视频并以类似人类的精度进行问答,还能基于用户请求和可...
-
VideoRAGVideoRAG 是一种创新的检索增强型生成框架,专门用于理解和处理极长上下文视频。它通过结合图驱动的文本知识锚定和层次化多模态上下文编码,实现了对无...
-
VideoLLaMA 2VideoLLaMA 2 是一个针对视频理解任务优化的大规模语言模型,它通过先进的空间-时间建模和音频理解能力,提升了对视频内容的解析和理解。该模型在...