DAMO-NLP-SG

[EMNLP 2023 Demo] Video-LLaMA：一個針對視頻理解的指令調優音視覺語言模型

VideoLLaMA 2：推進 Video-LLMs 中的時空建模與音訊理解

用於圖像與視訊理解的前沿多模態基礎模型

論文官方程式碼：Chain of Ideas：透過 LLM Agent 的創新構想開發來革新研究。