DeepLearning AI吴恩达Andrew NG课程：Mu-20240926075745

文章预览

2024-09-26 07:57 本条微博链接 DeepLearning AI吴恩达Andrew NG课程：Multimodal RAG: Chat with Videos（多模态RAG，基于视频数据聊天） #ai# #程序员# • 使用 LLaVA（大型语言和视觉助手），一种可以处理图像和文本的大型视觉语言模型 (LVLM)。例如，给定一张某人在海滩上用滑板倒立的图像，LLaVA 不仅可以为该场景添加字幕，还可以预测可能的结果，例如该人失去平衡或摔倒。通过不仅了解视频帧中的内容，还了解接下来可能发生的情况 ………………………………