Video-LLaVA：學習聯合視覺表示透過對齊前投影

Link：video-llava
Video-LLaVA 是一個用於學習聯合視覺表示的模型，透過對齊前投影進行訓練。它可以將影片和影象表示進行對齊，從而實現更好的視覺理解。該模型具有高效的學習和推理速度，適用於影片處理和視覺任務。

需求人群：

"影片處理、視覺任務"

使用場景示例：

使用 Video-LLaVA 進行影片分類

利用 Video-LLaVA 進行影象檢索

應用 Video-LLaVA 進行目標跟蹤

產品特色：

學習聯合視覺表示

對齊前投影

高效的學習和推理速度