跳到正文

PPLLaVA

压缩视觉令牌的高效视频大模型

访问官网

PPLLaVA 是什么

PPLLaVA 被介绍为一个高效的视频大型语言模型,面向 GPU 上的视频序列理解。

你可以用它做什么

  • 做细粒度的视觉提示对齐
  • 按用户指令压缩视觉令牌
  • 用 CLIP 扩展视频上下文

优点与缺点

✓ 我们认可的地方

  • 按用户指令进行视觉令牌压缩
  • 资料称吞吐量提高 8 倍

! 需要留意的地方

  • 列出的结果依赖所点名的数据集
  • 上手需要克隆代码库并安装依赖

常见问题

使用多少视觉令牌?

资料说明使用 1024 个视觉令牌。

点名了哪些数据集?

资料列出 VideoMME、MVBench、VideoChatGPT Bench 和 VideoQA Bench。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法