本研究提出了一种时间标记器,解决了视频语言模型在时间定位上的不足。通过引入时间分隔符和AnyLength机制,适应不同长度的视频,评估结果显示其在视频理解中的优异表现。
完成下面两步后,将自动完成登录并继续当前操作。