اپل مدل زبان بزرگ جدیدی برای تحلیل و درک ویدئوهای طولانی توسعه داد

شنبه 1 شهریور 1404 – 20:35 – به‌روزشده در دوشنبه 3 شهریور 1404 – 05:38

9to5mac می‌نویسد که در مقایسه با مدل‌های بزرگ‌تر و پیچیده‌تر، مدل SlowFast-LLaVA-1.5 توانسته است نتایج بهتری در پردازش و تحلیل ویدئوهای بلند ارائه دهد. محققان اپل گزارش داده‌اند که این مدل حتی در نسخه‌های کوچک‌تر خود مانند مدل 1B (با یک میلیارد پارامتر)، توانسته است مدل‌های بزرگ‌تر را پشت‌سر بگذارد و در ارزیابی‌های استاندارد ویدئویی مانند LongVideoBench و MLVU رکوردهای جدیدی ثبت کند.

منبع  : تک ناک

برای مشاهده کامل مطب کلیک کنید