AIbase

V

Videomind 2B FT QVHighlights

由 yeliudev 开发
VideoMind是一个多模态智能体框架，通过模拟类人的认知过程来增强视频推理能力。
视频生成文本
Safetensors
开源协议:Bsd-3-clause#视频推理#多模态智能体#任务分解
下载量 20
发布时间 : 3/24/2025
模型介绍
内容详情
替代品

模型简介

VideoMind是一个多模态智能体框架，通过模拟类人的认知过程（如任务分解、时刻定位与验证以及答案合成）来增强视频推理能力。

模型特点

类人认知过程模拟
通过任务分解、时刻定位与验证以及答案合成等类人认知过程增强视频推理能力。
多模态智能体框架
支持视频和文本的多模态输入，实现更全面的视频理解。
LoRA链式智能体
采用LoRA链式智能体技术，优化长视频推理能力。

模型能力

视频推理
多模态理解
任务分解
时刻定位与验证
答案合成

使用案例

视频分析
高光时刻提取
从长视频中提取关键高光时刻，生成简洁的文本描述。
视频内容总结
对视频内容进行总结，生成简短的文本摘要。