跳到正文
热点事件持续更新

LLaVA-OneVision-2.5采用视频编码输入

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

LMMS-Lab 发布 LLaVA-OneVision-2.5,称其在通用视频理解任务中以视频编码(codec)作为整体输入,效果优于传统均匀抽帧。该实验结果为视频多模态模型采用编码输入而非均匀抽取视频帧提供了新的证据。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    LMMS-Lab 发布 LLaVA-OneVision-2.5,视频编码输入首次优于均匀抽帧

    LMMS-Lab 发布 LLaVA-OneVision-2.5,首次在通用视频理解任务中证明,采用视频编码(codec)作为整体输入优于传统均匀抽帧。该结果为 codec 采样路线提供证据,可能影响视频多模态模型的视觉输入范式。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。