InternVideo2.5是一款基于长且丰富上下文(LRC)建模增强的视频多模态大语言模型,构建于InternVL2.5之上,通过提升感知细粒度细节和捕捉长时序结构的能力,显著改进了现有MLLM模型。
下载量 8,265
发布时间 : 1/22/2025
模型简介
InternVideo2.5是一款视频多模态大语言模型,通过直接偏好优化(TPO)进行密集视觉任务标注,以及通过自适应分层令牌压缩(HiCo)实现紧凑的时空表示,显著提升了感知细粒度细节和捕捉长时序结构的能力。
模型特点
长且丰富上下文(LRC)建模
通过增强感知细粒度细节和捕捉长时序结构的能力,显著改进现有MLLM模型
直接偏好优化(TPO)
通过密集视觉任务标注提升模型性能
自适应分层令牌压缩(HiCo)
实现紧凑的时空表示,提高处理效率
模型能力
视频内容理解
视频文本生成
多模态推理
长视频处理
使用案例
视频内容分析
视频内容描述
对视频内容进行详细描述
生成准确、详细的视频描述文本
视频问答
回答关于视频内容的问题
准确回答关于视频中人物、动作、场景等问题
长视频处理
长视频摘要
对长视频内容进行摘要
生成简洁的长视频内容摘要
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文