騰訊與悉尼大學聯(lián)手打造GPT4Video:顯著提升大語言模型視頻生成能力

　　在多模態(tài)大型語言模型(MLLMs)領域取得顯著進展的同時，盡管在輸入端多模態(tài)理解方面取得了顯著進展，但在多模態(tài)內(nèi)容生成領域仍存在明顯的空白。為填補這一空白，騰訊人工智能實驗室與悉尼大學聯(lián)手推出了GPT4Video，這是一個統(tǒng)一的多模態(tài)框架，賦予大型語言模型(LLMs)獨特的視頻理解和生成能力。

　　研究團隊的主要貢獻可以總結(jié)如下:

　　1.引入了GPT4Video，這是一個多功能框架，為LLMs提供了視頻理解和生成的能力。

　　2. 提出了一種簡單而有效的微調(diào)方法，旨在增強視頻生成的安全性，成為常用RLHF方法的一種吸引人的替代方案。

　　3. 釋放數(shù)據(jù)集，以促進未來在多模態(tài)LLMs領域的研究。

　　GPT4Video是對現(xiàn)有多模態(tài)大型語言模型(MLLMs)局限性的回應，盡管這些模型在處理多模態(tài)輸入方面表現(xiàn)出色，但在生成多模態(tài)輸出方面存在不足。GPT4Video的架構(gòu)包括三個重要組件:

　　1. **視頻理解模塊:** 利用視頻特征提取器和視頻摘要生成器，將視頻信息編碼并對齊到LLM的詞嵌入空間。

　　2. **LLM主體:** 借鑒LLaMA結(jié)構(gòu)，采用參數(shù)高效微調(diào)(PEFT)方法，特別是LoRA，同時保留原始預訓練參數(shù)。

　　3. **視頻生成組件:** 通過精心構(gòu)建的指令跟蹤數(shù)據(jù)集，使LLM生成模型庫中模型的提示。

　　團隊首先利用凍結(jié)的ViT-L/14模型捕捉原始視頻特征，然后使用視頻抽象模塊在時間和空間軸上壓縮視頻信息。GPT4Video的核心由凍結(jié)的LLaMA模型驅(qū)動，通過LoRA和自定義的視頻中心化、安全對齊數(shù)據(jù)進行高效微調(diào)。這使其能夠理解視頻并生成適當?shù)囊曨l提示，隨后用于從Textto-Video模型庫中生成視頻。

　　在各種多模態(tài)基準測試中的實驗結(jié)果，包括開放式問答、視頻字幕和文本到視頻生成，驗證了GPT4Video的有效性和普適性。此外，GPT4Video展示了利用LLMs強大的上下文摘要和文本表達能力為視頻生成詳細提示的能力。

　　GPT4Video通過整合先進的視頻理解和生成功能，顯著提升了大型語言模型的性能。其在多模態(tài)基準測試中表現(xiàn)出色進一步強調(diào)了其卓越性能。