InternLM-XComposer2.5-OmniLive: A Comprehensive Multimodal System for Long-term Streaming Video and Audio Interactions

গ্রন্থ-পঞ্জীর বিবরন

প্রকাশিত:	arXiv.org (Dec 12, 2024), p. n/a
প্রধান লেখক:	Zhang, Pan
অন্যান্য লেখক:	Dong, Xiaoyi, Cao, Yuhang, Zang, Yuhang, Qian, Rui, Wei, Xilin, Chen, Lin, Li, Yifei, Niu, Junbo, Ding, Shuangrui, Guo, Qipeng, Duan, Haodong, Chen, Xin, Han, Lv, Nie, Zheng, Zhang, Min, Wang, Bin, Zhang, Wenwei, Zhang, Xinyue, Ge, Jiaye, Li, Wei, Li, Jingwen, Tu, Zhongying, He, Conghui, Zhang, Xingcheng, Chen, Kai, Yu, Qiao, Lin, Dahua, Wang, Jiaqi
প্রকাশিত:	Cornell University Library, arXiv.org
বিষয়গুলি:	Perception Memory tasks Modules Audio data Large language models Real time Cognitive tasks Cognition & reasoning Reasoning Cognition
অনলাইন ব্যবহার করুন:	Citation/Abstract Full text outside of ProQuest
ট্যাগগুলো:	ট্যাগ যুক্ত করুন কোনো ট্যাগ নেই, প্রথমজন হিসাবে ট্যাগ করুন!