本文介绍了一种名为VideoLLM的新框架，利用自然语言处理预训练LLMs的序列推理能力进行视频序列理解。实验结果证明LLMs的理解和推理能力可以有效应用于视频理解任务。

本文介绍了一种名为VideoLLM的新框架，利用自然语言处理预训练LLMs的序列推理能力进行视频序列理解。通过模态编码器和语义转换器，将不同来源的输入转换为统一的标记序列，然后输入LLM进行解码。实验结果证明LLMs的理解和推理能力可以有效应用于视频理解任务。

本文介绍了VideoLLM框架，利用自然语言处理预训练LLMs的序列推理能力进行视频序列理解。实验证明LLMs的推理能力可转移到视频理解任务中。