Design Choices for Long Visual Language Models: GIRAFFE

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出Giraffe模型,解决了视觉语言模型在处理多图像和高分辨率视频时的上下文长度不足问题,扩展至128K的上下文长度,性能显著提升。

🏷️

标签

➡️

继续阅读