LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding 🧩
А вот вам свежий метод экномии видеотокенов для видеопониматоров от запрещенной Meta.
Под капотом DINOv2 и еще чего-то там.
Прикручено к Qwen и Llama3.2 от 1B до 7B
Код
Демо
Shitpost | Приватка | Farcaster | Chat | Website
Post #612
223
- ❤ 7
- 🤬 1