优惠 针对长视频理解的视频-大语言模型Koala：帮助模型理解长达数分钟的视频内容，并能够回答关于视频的问题

来自波士顿大学、中国电子科技大学和Adobe Research的研究人员推出Koala，它是一种针对长视频理解的视频-大语言模型（Video-Large Language Model，简称vLLM）。Koala的目标是帮助模型理解长达数分钟的视频内容，并能够回答关于视频的问题。这在技术上是一个挑战，因为长视频涉及识别一... 阅读全文