LLaVA-OneVision是一种大型多模型家族，能在单图像、多图像和视频场景中推动开放的大型多模型性能边界的模型。它允许在不同的模态/场景之间进行强大的迁移学习，展示了强大的视频理解和跨场景能力。

LLaVA-OneVision：简易视觉任务迁移
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证