Video-MME

El primer benchmark exhaustivo que evalúa el rendimiento de los grandes modelos de lenguaje multimodal (MLLM) en el análisis de vídeo.

Producto ComúnVideoMultimodalAnálisis de vídeo

Abrir sitio web

Video-MME es un benchmark centrado en la evaluación del rendimiento de los grandes modelos de lenguaje multimodal (MLLM) en el ámbito del análisis de vídeo. Llena el vacío existente en los métodos de evaluación actuales con respecto a la capacidad de los MLLM para procesar datos visuales continuos, proporcionando a los investigadores una plataforma de evaluación completa y de alta calidad. Este benchmark abarca vídeos de diferentes longitudes y evalúa las capacidades centrales de los MLLM.

Best AI Websites & Tools

Video-MME

Video-MME Situación del tráfico más reciente

Video-MME Tendencia de visitas

Video-MME Distribución geográfica de las visitas

Video-MME Fuentes de tráfico

Video-MME Alternativas

Video-MME — El primer benchmark exhaustivo que evalúa el rendimiento de los grandes modelos de lenguaje multimodal (MLLM) en el análisis de vídeo.

Valley — Modelo multimodal de gran escala que procesa datos de texto, imagen y vídeo.

LLaVA-OneVision — Modelo de conversión eficiente para tareas de visión multimodal

Inception Labs — O Inception Labs lança uma nova geração de modelos de linguagem grandes difusivos, oferecendo capacidade de geração de linguagem ultrarrápida, eficiente e de alta qualidade.

UniTok — UniTok es un tokenizador visual unificado para la generación y comprensión visual.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

Mochii AI — Mochii AI es un ecosistema de inteligencia artificial personalizado respaldado por modelos de vanguardia, que impulsa el futuro de la colaboración entre humanos e IA.

TheoremExplainAgent — TheoremExplainAgent es un sistema inteligente para generar vídeos explicativos multimodales de teoremas.

ZeroBench — ZeroBench es un benchmark visual de alta dificultad para modelos multimodales grandes contemporáneos.

VideoRAG — VideoRAG es un marco de generación mejorado con recuperación diseñado para procesar videos de contexto extremadamente largo.

OmniHuman-1 — OmniHuman-1 es un marco multimodal que genera videos humanos basados en una sola imagen de persona y señales de movimiento.

MILS — Los modelos lingüísticos de gran tamaño (LLM) pueden ver y oír sin necesidad de entrenamiento previo.

Janus-Pro-7B — Janus-Pro-7B es un nuevo marco autorregresivo que unifica la comprensión y la generación multimodales.

El Último Examen de la Humanidad — El Último Examen de la Humanidad es un banco de pruebas multimodal diseñado para evaluar las capacidades de los modelos de lenguaje a gran escala.

UI-TARS — UI-TARS es un modelo de agente GUI nativo de última generación para automatizar la interacción con interfaces gráficas de usuario.

MinMo — MinMo es un modelo de lenguaje grande multi modal diseñado para una interacción de voz fluida.

Albus IA — Espacio de trabajo IA integral, con asistente de voz en tiempo real y lienzo multimodal para potenciar la creación y el pensamiento eficiente.

Moondream AI — Modelo de lenguaje visual de código abierto que se ejecuta en varios dispositivos.

InternVL2.5-38B-MPO — Modelo de la serie InternVL2.5-MPO, basado en InternVL2.5 y optimización de preferencias mixtas, que demuestra un rendimiento excepcional.

DiffSensei — Modelo de generación de cómics personalizado que conecta LLMs multimodales y modelos de difusión.

InternVL2_5-4B-MPO-AWQ — Modelo de lenguaje grande multimodal, optimizado para la interacción entre imágenes y texto.

Valley 2.0 — Modelo de lenguaje grande multimodal que mejora el procesamiento de datos de texto, imágenes y vídeo.

Valley-Eagle-7B — Modelo multimodal de gran escala que procesa datos de texto, imagen y vídeo.

FlagAI — Proyecto de código abierto integral de algoritmos, modelos y herramientas de optimización de modelos grandes.

Infini-Megrez — Modelo de comprensión multimodal para dispositivos perimetrales; la sinergia de software y hardware da rienda suelta a la inteligencia perimetral sin límites.

WePOINTS — Proyecto WePOINTS: un marco unificado para modelos multimodales.

InternVL 2.5 — Serie de modelos lingüísticos grandes multimodales de código abierto

InternVL2_5-38B — Serie de modelos de lenguaje grandes multimodales de vanguardia

Amazon Nova — Amazon Nova es el modelo base de nueva generación de Amazon, que ofrece inteligencia de vanguardia y una relación calidad-precio líder en el sector.

DataChain — Librería moderna de dataframes en Python, diseñada para inteligencia artificial.