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

Podrobná bibliografie

Vydáno v:	arXiv.org (Dec 2, 2024), p. n/a
Hlavní autor:	Yin, Shukang
Další autoři:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Vydáno:	Cornell University Library, arXiv.org
Témata:	Translating Data augmentation Video data Images Large language models Training Inference
On-line přístup:	Citation/Abstract Full text outside of ProQuest
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!