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

Библиографические подробности

Опубликовано в::	arXiv.org (Dec 2, 2024), p. n/a
Главный автор:	Yin, Shukang
Другие авторы:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Опубликовано:	Cornell University Library, arXiv.org
Предметы:	Translating Data augmentation Video data Images Large language models Training Inference
Online-ссылка:	Citation/Abstract Full text outside of ProQuest
Метки:	Добавить метку Нет меток, Требуется 1-ая метка записи!