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

Bibliografiset tiedot

Julkaisussa:	arXiv.org (Dec 2, 2024), p. n/a
Päätekijä:	Yin, Shukang
Muut tekijät:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Julkaistu:	Cornell University Library, arXiv.org
Aiheet:	Translating Data augmentation Video data Images Large language models Training Inference
Linkit:	Citation/Abstract Full text outside of ProQuest
Tagit:	Lisää tagi Ei tageja, Lisää ensimmäinen tagi!