点点 – 小红书推出的 AI 搜索助手，主打生活场景
点点是小红书推出的 AI搜索助手 ，主打生活服务场景的聚合搜...
Video-LLaVA2是由北京大学ChatLaw课题组推出的开源多模态智能理解系统，通过创新的时空卷积（STC）连接器和音频分支，提升了视频和音频理解能力。模型在视频问答和字幕生成等多个基准测试中表现出色，与一些专有模型相媲美，同时在音频和音视频问答任务中也展示了优越的多模态理解能力。
官网：https://github.com/DAMO-NLP-SG/VideoLLaMA2?tab=readme-ov-file
数据统计
相关导航
Ingredients – 多ID照片定制视频生成框架，基于多ID照片与视频扩散相结合
Ingredients是强大的框架，基于将多个特定身份（ID...
Deepfake Defenders – 中科院开发的识别Deepfake伪造内容的AI模型
Deepfake Defenders是由中国科学院自动化研究...
cogvlm2-llama3-caption – 智普AI开源的视频标注模型，生成文本描述
cogvlm2-llama3-caption模型是一个基于C...
剪小映 – 抖音推出的AI视频剪辑应用
剪小映是抖音推出的 AI视频剪辑 应用，专为零基础用户设计...
ACTalker – 港科大联合腾讯、清华推出的端到端视频扩散框架
ACTalker 是用于生成逼真说话人头部视频的端到端视频扩...
VITRON – Skywork AI 联合新加坡国立、南洋理工推出的像素级视觉大型语言模型
VITRON是Skywork AI、新加坡国立大学和南洋理工...
DragAnything – 快手联合浙大等机构开源的可控视频生成方法
DragAnything 是快手联合浙江大学和新加坡国立大学...