基于MCG-NJU/videomae-base微调的视频理解模型，在评估集上表现一般（准确率50%）

InternVL3 是一个先进的多模态大语言模型系列，具备强大的多模态感知和推理能力，支持图像、视频和文本输入。

InternVL3 是一个先进的多模态大语言模型系列，展示了卓越的多模态感知和推理能力，支持图像、视频和文本输入。

基于MCG-NJU/videomae-base微调的视频理解模型，在未知数据集上训练，准确率为11.1%

基于MCG-NJU/videomae-base微调的视频理解模型，在未知数据集上进行了训练

基于Qwen2.5-Omni-7B模型的4比特GPTQ量化版本，支持多语言和多模态任务。

采用创新的慢快架构来平衡视频理解中的时间分辨率和空间细节，克服了传统大语言模型的序列长度限制。

VideoLLaMA2.1-7B-AV是一款多模态大语言模型，专注于视听问答任务，能够同时处理视频和音频输入，提供高质量的问答和描述生成能力。

VideoMind是一个多模态智能体框架，通过模拟人类思维的处理流程（如任务拆解、时刻定位与验证和答案合成）来增强视频推理能力。

采用慢-快架构的视频多模态大语言模型，平衡时间分辨率和空间细节，支持64帧视频理解

TinyLLaVA-Video是基于Qwen2.5-3B和siglip-so400m-patch14-384构建的视频理解模型，采用分组重采样器处理视频帧

InternVideo2.5 是一款基于长且丰富的上下文（LRC）建模增强的视频多模态大语言模型（MLLM），构建于 InternVL2.5 之上。

LLaVA-NeXT-Video-7B-hf 是一个基于视频的多模态模型，能够处理视频和文本输入，生成文本输出。

基于MCG-NJU/videomae-base微调的视频理解模型，专注于手语识别任务

InternVL2_5-4B-AWQ 是使用 autoawq 对 InternVL2_5-4B 进行 AWQ 量化的版本，支持多语言和多模态任务。

Magma是一个多模态AI智能体基础模型，能够处理图像和文本输入并生成文本输出，具备虚拟与现实环境中的复杂交互能力。

轻量级多模态模型，专为分析视频内容设计，可处理视频、图像和文本输入以生成文本输出。

SmolVLM2-2.2B 是一款轻量级多模态模型，专为分析视频内容而设计，可处理视频、图像和文本输入并生成文本输出。

Fluxi AI 是一款基于 Qwen2-VL-7B-Instruct 的多模态智能助手，具备文本、图像和视频处理能力，特别优化了葡萄牙语支持。

InternLM-XComposer2.5-Chat是基于InternLM-XComposer2.5-7B训练的对话模型，在多模态指令跟随和开放式对话能力方面有显著提升。

Eagle2是NVIDIA推出的高性能视觉语言模型家族，专注于通过数据策略和训练方案提升开源视觉语言模型的性能。

Eagle2-9B是NVIDIA发布的最新视觉语言模型(VLM)，在性能和推理速度之间实现了完美平衡。

LLaVA-Mini是一款高效的多模态大模型，通过仅使用1个视觉令牌表示图像，显著提升了图像和视频理解的效率。

xGen-MM-Vid (BLIP-3-Video) 是一款高效的紧凑型视觉语言模型，配备了显式的时间编码器，专为理解视频内容而设计。

mPLUG-Owl3 是一款前沿的多模态大语言模型，专为解决长图像序列理解难题而设计，支持处理单图、多图和视频任务。

MiniCPM-V 2.6是一个多模态视觉语言模型，支持图像文本到文本的转换，具备多语言处理能力。

LLaVA-Next-Video 是一个开源的多模态对话模型，通过对大语言模型进行多模态指令跟随数据的微调训练而成，支持视频和文本的多模态交互。

LLaVA-Next-Video 是一款开源的多模态对话机器人，通过大语言模型微调训练而成，支持视频和文本的多模态交互。

基于TimeSformer架构的视频理解模型，在未知数据集上微调，准确率达88.52%

基于MCG-NJU/videomae-base模型在未知数据集上微调的视频理解模型，准确率达67.13%

MMICL是一个结合了blip2/instructblip的多模态视觉语言模型，能够分析和理解多张图像并遵循指令。

基于VideoMAE基础模型在未知视频数据集上微调的视觉模型，主要用于视频理解任务，在评估集上达到85.59%的准确率。

基于MCG-NJU/videomae-base在未知数据集上微调的视频理解模型，F1分数达到0.7147

基于VideoMAE基础模型在未知数据集上微调的视频理解模型，在评估集上达到86.41%的准确率

ViViT是对视觉变换器(ViT)的扩展，适用于视频处理，主要用于视频分类等下游任务。