本文へスキップ

LLaVA-Video

合成データセットで動画の指示調整を行う

公式サイトを見る

LLaVA-Video とは

LLaVA-Video は動画の指示調整に向けた大規模マルチモーダルモデルと紹介され、合成の LLaVA-Video-178K データセットを中核にすると説明されている。

できること

  • 動画の指示データでモデルを調整する
  • 描写と問答の課題を扱う
  • SlowFast の動画表現を用いる

活用場面

  • 研究者が動画問答モデルを学習する
  • 開発者がアプリに動画検索を載せる
  • 企業が不適切な動画を選り分ける

長所と短所

✓ 良い点

  • データセット・生成手順・検査点が公開される
  • 既存の視覚指示調整データを合わせられる

! 注意したい点

  • 整備は Training Code と機材の設定に従う
  • 最初にデータセットと検査点の取得が要る

よくある質問

データセットの名は?

資料は LLaVA-Video-178K を挙げる。

含まれる課題は?

資料は動画描写・自由回答・選択式問答を挙げる。

最終評価日: 2026-11-15

その他 AI動画生成 ツール

すべて見る →

評価方法