T2Vid: Translating Long Text into Multi-Image is the Catalyst for Video-LLMs

গ্রন্থ-পঞ্জীর বিবরন

প্রকাশিত:	arXiv.org (Dec 2, 2024), p. n/a
প্রধান লেখক:	Yin, Shukang
অন্যান্য লেখক:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
প্রকাশিত:	Cornell University Library, arXiv.org
বিষয়গুলি:	Translating Data augmentation Video data Images Large language models Training Inference
অনলাইন ব্যবহার করুন:	Citation/Abstract Full text outside of ProQuest
ট্যাগগুলো:	ট্যাগ যুক্ত করুন কোনো ট্যাগ নেই, প্রথমজন হিসাবে ট্যাগ করুন!