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

Bibliografiske detaljer

Udgivet i:	arXiv.org (Dec 2, 2024), p. n/a
Hovedforfatter:	Yin, Shukang
Andre forfattere:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Udgivet:	Cornell University Library, arXiv.org
Fag:	Translating Data augmentation Video data Images Large language models Training Inference
Online adgang:	Citation/Abstract Full text outside of ProQuest
Tags:	Tilføj Tag Ingen Tags, Vær først til at tagge denne postø!