Vidi2.5: Large Multimodal Models for Video Understanding and Creation
Vidi2.5:大型多模态模型用于视频理解和创作
机构 * ByteDance Inc.(字节跳动公司)
专题命中 视频理解 :video understanding(title,abstract);分类 cs.CV
AI总结 Vidi2.5通过细粒度时空定位和复杂情节推理模型,提升了视频理解和创作的多模态能力,同时在多个基准测试中表现出色。
AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
Vidi2.5:大型多模态模型用于视频理解和创作
机构 * ByteDance Inc.(字节跳动公司)
专题命中 视频理解 :video understanding(title,abstract);分类 cs.CV
AI总结 Vidi2.5通过细粒度时空定位和复杂情节推理模型,提升了视频理解和创作的多模态能力,同时在多个基准测试中表现出色。