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

Λεπτομέρειες βιβλιογραφικής εγγραφής

Εκδόθηκε σε:	arXiv.org (Dec 12, 2024), p. n/a
Κύριος συγγραφέας:	Zhang, Pan
Άλλοι συγγραφείς:	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
Έκδοση:	Cornell University Library, arXiv.org
Θέματα:	Perception Memory tasks Modules Audio data Large language models Real time Cognitive tasks Cognition & reasoning Reasoning Cognition
Διαθέσιμο Online:	Citation/Abstract Full text outside of ProQuest
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!