智譜 AI 宣布,訓(xùn)練了一種新的視頻理解模型 CogVLM2-Video,并將其開源。
據(jù)介紹,當(dāng)前大多數(shù)的視頻理解模型使用幀平均和視頻標(biāo)記壓縮方法,導(dǎo)致時間信息的丟失,無法準確回答與時間相關(guān)的問題。一些專注于時間問答數(shù)據(jù)集的模型過于局限于特定格式和適用領(lǐng)域,使得模型失去了更廣泛的問答能力。
智譜 AI 提出了一種基于視覺模型的自動時間定位數(shù)據(jù)構(gòu)建方法,生成了 3 萬條與時間相關(guān)的視頻問答數(shù)據(jù);谶@個新數(shù)據(jù)集和現(xiàn)有的開放領(lǐng)域問答數(shù)據(jù),引入了多幀視頻圖像和時間戳作為編碼器輸入,訓(xùn)練出 CogVLM2-Video 模型。
智譜 AI 表示,CogVLM2-Video 不僅在公共視頻理解基準上達到了最新的性能,還在視頻字幕生成和時間定位方面表現(xiàn)出色。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
近日,德國柏林國際電子消費品展覽會(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)成功斬獲兩項“IFA全球產(chǎn)品設(shè)計創(chuàng)新大獎”金獎,有力證明了其在全球市場的強大影響力。
近日,中國家電及消費電子博覽會(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項AWE 2024艾普蘭大獎。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
由世界人工智能大會組委會、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會聯(lián)合上海人工智能實驗室、上海臨港經(jīng)濟發(fā)展(集團)有限公司、開放原子開源基金會主辦的“2024全球開發(fā)者先鋒大會”,將于2024年3月23日至24日舉辦。