LLaVA-OneVision-2.5 发布,首次证明视频编码输入优于抽帧
LMMS-Lab 发布 LLaVA-OneVision-2.5,首次在通用视频理解任务上给出明确信号:以视频编码(codec)方式输入整体优于传统的均匀抽帧。长期以来,视频理解模型普遍采用均匀抽帧作为视觉输入手段,这一结果为 codec 采样路线提供了有力证据,可能改变视频多模态模型的输入范式。
2026-11-18 ~ 2026-11-18 · 2 条相关
- LMMS-Lab 新研究:codec 采样在通用视频任务首超均匀帧采样 — liuziwei7 · 2026-11-18
- LLaVA-OneVision-2.5 发布:首次证明视频编码输入胜过抽帧 — liuziwei7 · 2026-11-18