最新超长视频理解大模型出炉！“大海捞针”准确率近95%，代码已开源

智源研究院联合多所高校推出超长视频理解大模型Video-XL，该模型利用语言模型对长视觉序列进行压缩，保留了短视频理解能力，同时在长视频理解上展现出色泛化能力。与同等参数规模的模型相比，Video-XL在多个长视频理解基准评测中排名第一，并在“海中捞针”任务中达到近95%的准确率。仅需一块80G显存的显卡即可处理2048帧输入，模型代码已开源，未来有望在电影摘要、视频异常检测等场景中广泛应用。
来源：https://mp.weixin.qq.com/s/kGIGBLH6vpeNwzqBcRREKA