Kangaroo: A Powerful Video-Language Model Supporting Long-context Video Input
Jiajun Liu, Yibing Wang, Hanghang Ma, Xiaoping Wu, Xiaoqi Ma, Xiaoming Wei, Jianbin Jiao, Enhua Wu e mais 1
De quem é
Meituanafiliação declarada pelos autores, segundo o OpenAlex
Outros papers das mesmas organizações
- ReSearch: Learning to Reason with Search for LLMs via Reinforcement LearningHarbin Institute of Technology · 415 citações
- MobileVLM V2: Faster and Stronger Baseline for Vision Language ModelMeituan · 301 citações
- SCTNet: Single-Branch CNN with Transformer Semantic Information for Real-Time SegmentationMeituan · 291 citações
- MapGPT: Map-Guided Prompting with Adaptive Path Planning for Vision-and-Language NavigationMeituan · 259 citações
- Uni-MoE: Scaling Unified Multimodal LLMs With Mixture of ExpertsMeituan · 253 citações
- MTGR: Industrial-Scale Generative Recommendation Framework in MeituanMeituan · 162 citações