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

Бібліографічні деталі

Опубліковано в::	arXiv.org (Dec 2, 2024), p. n/a
Автор:	Yin, Shukang
Інші автори:	Fu, Chaoyou, Zhao, Sirui, Shen, Yunhang, Ge, Chunjiang, Yang, Yan, Long, Zuwei, Dai, Yuhan, Xu, Tong, Sun, Xing, He, Ran, Caifeng Shan, Chen, Enhong
Опубліковано:	Cornell University Library, arXiv.org
Предмети:	Translating Data augmentation Video data Images Large language models Training Inference
Онлайн доступ:	Citation/Abstract Full text outside of ProQuest
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!