HourVideo是斯坦福大学李飞飞和吴佳俊团队推出的长视频理解基准数据集，包含500个第一人称视角视频，时长20至120分钟，覆盖77种日常活动，能评估多模态模型对长视频的理解能力。数据集基于一系列任务，如总结、感知、视觉推理和导航，测试模型对视频中多个时间片段信息的识别和综合能力，推动长视频理解技术的发展。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
HourVideo – 李飞飞和吴佳俊团队推出的长视频理解基准数据集
猜你喜欢
-
发布了文章 1分钟前
Lobe Vidol – AI数字人交互平台，可与虚拟人和 3D 模型聊天互动
Lobe Vidol是开源的数字人创作平台，让每个人都能轻松创建和互动自己的虚拟偶像。Lobe Vidol提供流畅的对话体验、背景设置、动作姿势库、优雅的用户界面、角色编辑、MMD舞蹈支持、PMX舞台加载、触摸响应功能及角色...
-
发布了文章 1分钟前
Llasa TTS – 香港科技大学开源的文本转语音模型
Llasa TTS 是香港科技大学基于 LLaMA 架构推出的开源文本转语音（TTS）模型，支持高质量语音合成和克隆。Llasa TTS 基于单层向量量化（VQ）编解码器和单个 Transformer 架构，与标准 LLaM...
-
发布了文章 4分钟前
LlamaV-baidu09o1 – 多模态视觉推理模型，采用逐步推理学习方法解决复杂任务
LlamaV-o1是阿联酋穆罕默德·本·扎耶德人工智能大学等机构提出的新多模态视觉推理模型，提升大型语言模型的逐步视觉推理能力。引入视觉推理链基准测试VRC-Bench，包含超4000个推理步骤，全面评估模型推理能力；提出新...
-
发布了文章 5分钟前
LlamaCoder – 开发者的AI工具，快速创建全栈应用程序
LlamaCoder 是一个开源的 AI 工具，使用 Llama 3.1 405B 模型快速生成全栈应用程序。旨在提供一种替代 Claude Artifacts 的解决方案。集成了 Sandpack、Next.js、Tail...
-
发布了文章 7分钟前
Llama3.1 – Meta最新发布的最强开源AI模型
Llama 3.1是Meta最新发布的开源AI模型，包括8B、70B和405B三个版本，其中405B版本以其4050亿参数量成为目前最大的开源模型之一。Llama 3.1支持128K的上下文长度，能够处理长文本并具备多语言翻...
-
发布了文章 8分钟前
Llama-baidu093.1-baidu09Minitron – 英伟达联合Meta推出的Llama 3.1 4B参数模型
Llama-3.1-Minitron是由英伟达和Meta合作开发的AI模型，通过剪枝和知识蒸馏技术从Llama 3.1 8B模型精炼而成的更小型4B参数模型。这种优化减少了模型大小和复杂性，同时保持了核心性能。...
-
发布了文章 10分钟前
Llama Tutor – 开源的AI学习平台，提供学习主题生成定制学习计划
Llama Tutor 是一个基于AI的个性化学习平台，由 Llama 3.1 和 Together AI 技术驱动，是一个完全开源的项目。支持用户输入想要学习的主题和教育水平，生成一个量身定做的学习计划。平台覆盖包括篮球、...
-
发布了文章 14分钟前
Llama Nemotron – 英伟达推出的系列推理模型
Llama Nemotron是NVIDIA推出的一系列推理模型，专注于推理和多种智能代理（agentic AI）任务。模型基于Llama开源模型，经过NVIDIA的后训练，加入推理能力，在科学推理、高级数学、编程、指令遵循和...
全部评论
留言在赶来的路上...
发表评论