Video-LLaVA2 – ChatLaw推出的开源多模态智能理解系统

3个月前发布 71 00
收藏 0

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...

收录时间：
2025-12-16
打开网站手机查看
Video-LLaVA2 – ChatLaw推出的开源多模态智能理解系统Video-LLaVA2 – ChatLaw推出的开源多模态智能理解系统
Video-LLaVA2 – ChatLaw推出的开源多模态智能理解系统打开网站

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


立即打开官网

数据统计

相关导航

标签云