VideoChat: chat-centric video understanding
Kunchang Li, Yinan He, Yi Wang, Yizhuo Li, Wenhai Wang, Ping Luo, Limin Wang, Limin Wang e mais 1
De quem é
- Chinese Academy of Sciencesafiliação declarada pelos autores, segundo o OpenAlex
- Nanjing Universityafiliação declarada pelos autores, segundo o OpenAlex
Shanghai Artificial Intelligence Laboratoryafiliação declarada pelos autores, segundo o OpenAlex- Shenzhen Institutes of Advanced Technologyafiliação declarada pelos autores, segundo o OpenAlex
Outros papers das mesmas organizações
- YOLOv12: Attention-Centric Real-Time Object DetectorsChinese Academy of Sciences · 4.397 citações
- Intern VL: Scaling up Vision Foundation Models and Aligning for Generic Visual-Linguistic TasksChinese Academy of Sciences · 3.956 citações
- M3-Embedding: Multi-Linguality, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge DistillationChinese Academy of Sciences · 3.230 citações
- VBench: Comprehensive Benchmark Suite for Video Generative ModelsNanjing University · 2.431 citações
- T2I-Adapter: Learning Adapters to Dig Out More Controllable Ability for Text-to-Image Diffusion ModelsChinese Academy of Sciences · 2.217 citações
- MME: A Comprehensive Evaluation Benchmark for Multimodal Large Language ModelsBeijing Institute of Technology · 1.963 citações