7 月 12 日消息，智谱 ai 宣布，训练了一种新的视频理解模型 cogvlm2-video，并将其开源。
据介绍，当前大多数的视频理解模型使用帧平均和视频标记压缩方法，导致时间信息的丢失，无法准确回答与时间相关的问题。一些专注于时间问答数据集的模型过于局限于特定格式和适用领域，使得模型失去了更广泛的问答能力。
智谱 ai 提出了一种基于视觉模型的自动时间定位数据构建方法，生成了 3 万条与时间相关的视频问答数据。基于这个新数据集和现有的开放领域问答数据，引入了多帧视频图像和时间戳作为编码器输入，训练出 cogvlm2-video 模型。
智谱 ai 表示，cogvlm2-video 不仅在公共视频理解基准上达到了最新的性能，还在视频字幕生成和时间定位方面表现出色。
代码网附相关链接：
商汤发布“东风”泰语大模型：全球首次实现可在泰 / 中 / 英环境下高效工作
AI 剧本杀，开本了！最近，两位开发者在黑客马拉松期间创作了一款 AI 游戏「山庄谋杀案」，我们需要和五位 AI 嫌疑人对话，揪出真正的凶手。没想到，小编一番试玩后，结局出乎意料……
标致在欧洲 17 国市场向新一代车型全面推送 ChatGPT 3.5 支持，新车赠送半年订阅
谷歌 DeepMind CEO：当前 AI 综合智力还不如普通家猫
《幻兽帕鲁》开发过程中使用生成式 AI？PocketPair 社长：并没有
软银支持的基因检测公司 Tempus AI 受华尔街青睐：摩根大通等 7 家券商给出买入或增持评级
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
我要评论
发表评论