VTimeLLM

VTimeLLM

创新视频大语言模型实现精准时刻理解

VTimeLLM是一种先进的视频大语言模型,专注于精细化视频时刻理解和推理。该模型采用边界感知三阶段训练策略,包括图像-文本特征对齐、多事件视频时间边界识别和高质量视频指令微调。这种方法显著提升了模型的时间理解能力,使其在多项视频理解任务中表现优异。

VTimeLLM视频理解大语言模型时间边界感知多阶段训练Github开源项目

VTimeLLM [论文]

"VTimeLLM: 赋予LLM掌握视频时刻的能力"论文的官方PyTorch实现。

[多个"论文代码"徽章]


:loudspeaker: 最新更新

  • 1月2日: 感谢Xiao XiaShengbo TongBeining Wang,我们重构了代码,现在同时支持LLAMA和ChatGLM3架构。我们将训练数据翻译成中文,并基于ChatGLM3-6b微调了中文版本。
  • 12月14日: 发布了训练代码和数据。所有资源包括模型、数据集和提取的特征都可在这里获取。:fire::fire:
  • 12月4日: VTimeLLM: 演示版本发布。

VTimeLLM概述 :bulb:

VTimeLLM是一种新型的视频LLM,专为细粒度视频时刻理解和时间边界推理而设计。

VTimeLLM采用边界感知的三阶段训练策略,分别利用图像-文本对进行特征对齐,多事件视频增强时间边界意识,以及高质量视频-指令微调进一步提升时间理解能力并与人类意图对齐。

[框架图]


贡献 :trophy:

  • 据我们所知,我们提出了首个边界感知的视频LLM:VTimeLLM。
  • 我们提出了边界感知的三阶段训练策略,该策略连续利用:i) 大规模图像-文本数据进行特征对齐,ii) 大规模多事件视频-文本数据以及时间相关的单轮和多轮问答来增强时间边界意识,iii) 在高质量对话数据集上进行指令微调以获得更好的时间推理能力。
  • 我们进行了广泛的实验,证明所提出的VTimeLLM在各种细粒度时间相关视频任务中显著优于现有的视频LLM,展示了其卓越的视频理解和推理能力。

安装 :wrench:

[安装说明]

离线运行演示 :cd:

[离线演示说明]

训练 :train:

[训练说明]

定性分析 :mag:

VTimeLLM在多项任务中的综合性能评估。

[多个任务示例图片和说明]

致谢 :pray:

[致谢内容]

如果您在研究或应用中使用VTimeLLM,请使用以下BibTeX进行引用: [引用信息]

许可 :scroll:

[许可说明]

期待您的反馈、贡献和星标!:star2:

编辑推荐精选

博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

下拉加载更多