本文へスキップ

Video-CCAM

因果的な交差注意マスクを使う動画言語モデル

公式サイトを見る
カテゴリ AI動画生成

video-ccam とは

本プロジェクトは柔軟な動画言語モデルの一群と説明されている。因果的な交差注意マスクにより、短い動画と長い動画の理解を対象にする。

できること

  • 短い動画の分析の課題に取り組む
  • 同じモデル群で長めのクリップを調べる
  • チュートリアルのノートに沿って推論する

主な詳細

  • MVBench や MLVU などの基準が資料に並ぶ
  • ソースコードは準備を簡単にするため書き直された
  • 推論は Huggingface transformers と NVIDIA GPU を使う

長所と短所

✓ 良い点

  • ソースコードの書き直しで準備が簡素化された
  • 詳しいチュートリアルと例が付く

! 注意したい点

  • README とチュートリアルに沿った準備が必要
  • 推論は NVIDIA GPU を前提とする

よくある質問

開発元は?

テンセント QQ のマルチメディア研究チームが挙がる。

どんな手法は?

因果的な交差注意マスクとされる。

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