多模態(tài)大型語(yǔ)言模型(MLLMs)通過(guò)遵循一般的人類(lèi)指令來(lái)解釋視覺(jué)內(nèi)容,已經(jīng)展示了令人印象深刻的視頻理解性能。然而,這些MLLMs在長(zhǎng)視頻理解方面仍然存在困難,因?yàn)殚L(zhǎng)視頻序列可能包含各種動(dòng)態(tài)動(dòng)作和復(fù)雜的時(shí)間關(guān)系,這使得MLLMs難以有效定位與問(wèn)題相關(guān)的關(guān)鍵片段。
11月28日,在網(wǎng)易創(chuàng)新企業(yè)大會(huì)上,來(lái)自網(wǎng)易核心架構(gòu)的通信與視頻云服務(wù)商網(wǎng)易云信與浙江大學(xué)信電學(xué)院達(dá)成戰(zhàn)略合作,成立浙江大學(xué)信電學(xué)院——網(wǎng)易云信聯(lián)合創(chuàng)新與實(shí)踐基地