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

Opis bibliograficzny

Wydane w:	arXiv.org (Dec 2, 2024), p. n/a
1. autor:	Yin, Shukang
Kolejni autorzy:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Wydane:	Cornell University Library, arXiv.org
Hasła przedmiotowe:	Translating Data augmentation Video data Images Large language models Training Inference
Dostęp online:	Citation/Abstract Full text outside of ProQuest
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!