LLaVA-Video 是什么
LLaVA-Video 被介绍为专注视频指令调优的大型多模态模型,围绕合成数据集 LLaVA-Video-178K 构建。
你可以用它做什么
- 用视频指令数据调优模型
- 处理描述与问答任务
- 采用 SlowFast 视频表示方法
应用场景
- 研究人员训练视频问答模型
- 开发者为应用加入视频搜索
- 企业过滤不适宜的视频内容
优点与缺点
✓ 我们认可的地方
- 数据集、生成流程和模型检查点开放
- 可结合现有视觉指令调优数据
! 需要留意的地方
- 配置需依据 Training Code 并配置硬件
- 使用前需先下载数据集与检查点
常见问题
数据集叫什么?
资料点名 LLaVA-Video-178K。
包含哪些任务?
资料列出视频描述、开放式问答和多项选择问答。
最后评测: 2026-11-15