明日香的笔记
  文章分类
论文 10 后端 8 笔记 6 测试 1 前端 1
VideoAgent VideoAgent
视频理解agent，将长视频转化为结构化的记忆（时间、物体），通过调用工具进行推理。
2025-11-01 论文
MLLM Agent
LLAMA-VID LLAMA-VID
视觉表征范式：用户查询上下文token&视觉帧内容token
2025-09-14 论文
MLLM 视频理解
Cross-modal Causal Relation Alignment for VQG Cross-modal Causal Relation Alignment for VQG
视频问题定位的跨模态因果关系对齐
2025-04-01 论文
视频理解 多模态
TRACE: Temporal Grounding Video LLM TRACE: Temporal Grounding Video LLM
通过因果事件建模增强视频理解大模型的时间定位能力
2025-03-25 论文
MLLM 视频理解
ShareGPT4Video ShareGPT4Video
ShareGPT4Video系列，视频密集标注策略，详细标注数据集，标注模型
2024-12-03 论文
MLLM 视频理解 字幕生成
MVBench MVBench
多模态大模型视频理解能力基准
2024-11-12 论文
MLLM 视频理解
TimeChat TimeChat
基于视频滑窗Q-Former的时序感知的视频大模型
2024-10-13 论文
MLLM 视频理解
DepGraph: Towards Any Structural Pruning DepGraph: Towards Any Structural Pruning
介绍Torch-Pruning结构化剪枝库及其底层算法DepGraph（CVPR 2023）
2024-05-13 论文
LLM 压缩 推理加速
UrbanGPT: Spatio-Temporal Large Language Models UrbanGPT: Spatio-Temporal Large Language Models
一个用于城市任务时间序列预测的大模型，集成时空编码器和指令微调以融合时序数值数据和时空上下文特征。
2024-04-30 论文
LLM 时间序列
A Survey of Large Language Models A Survey of Large Language Models
LLM综述
2024-04-24 论文
LLM Survey