標(biāo)簽：視頻理解

WPS接入DeepSeek，秒變辦公神器！

WPS 大家經(jīng)常用來日常寫作，雖然本身提供了AI功能，但可惜需要會(huì)員，本文教你三分鐘接入最火的DeepSeek，讓W(xué)PS秒變辦公神器。 DeepSeek API申請(qǐng)地址：http:/...
閱讀原文

AI賺錢副業(yè)~AI生成影視解說，半個(gè)月漲粉變現(xiàn)3.5W+！

這兩年大家都在感嘆生活不易，然而我想說的是，機(jī)會(huì)還是有的，但問題不在于有沒有，而在于你是否能夠認(rèn)準(zhǔn)機(jī)會(huì)，然后抓住它。 接觸過很多咨詢項(xiàng)目的人，發(fā)現(xiàn)...

TPAMI-2024 | Uni-AdaFocus視頻理解框架，讓AI學(xué)會(huì)「劃重點(diǎn)」，計(jì)算效率提升4-23倍！

實(shí)現(xiàn)了降低時(shí)間、空間、樣本冗余性的統(tǒng)一建模
閱讀原文

Video-LLaVA2

Video-LLaVA2是由北京大學(xué)ChatLaw課題組研發(fā)的開源多模態(tài)智能理解系統(tǒng)，通過創(chuàng)新的時(shí)空卷積（STC）連接器和音頻分支，提升了視頻和音頻理解能力。模型在視頻...
閱讀原文

VideoLLaMB

VideoLLaMB 是一種創(chuàng)新的長(zhǎng)視頻理解框架，通過引入記憶橋接層和遞歸記憶令牌來處理視頻數(shù)據(jù)，確保在分析時(shí)不丟失關(guān)鍵視覺信息。模型特別設(shè)計(jì)用于理解長(zhǎng)時(shí)間視...
閱讀原文

CogVideoX-5B-I2V

CogVideoX-5B-I2V 是智譜 AI 開源的一款圖生視頻模型，通過一張圖片和文本提示詞生成視頻。模型采用了3D 因果變分自編碼器和專家自適應(yīng) LayerNorm 技術(shù)，能輸...
閱讀原文