DAMO-NLP-SG

[EMNLP 2023 Demo] Video-LLaMA：一个针对视频理解的指令调优音视觉语言模型

VideoLLaMA 2：推进 Video-LLMs 中的时空建模与音频理解

用于图像与视频理解的前沿多模态基础模型

论文官方代码：Chain of Ideas：通过 LLM Agent 的创新构想开发来革新研究。