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

Bibliographische Detailangaben

Veröffentlicht in:	arXiv.org (Dec 2, 2024), p. n/a
1. Verfasser:	Yin, Shukang
Weitere Verfasser:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Veröffentlicht:	Cornell University Library, arXiv.org
Schlagworte:	Translating Data augmentation Video data Images Large language models Training Inference
Online-Zugang:	Citation/Abstract Full text outside of ProQuest
Tags:	Tag hinzufügen Keine Tags, Fügen Sie das erste Tag hinzu!