Video-MME

Première référence exhaustive évaluant les performances des grands modèles de langage multimodaux (MLLM) dans l'analyse vidéo.

Produit OrdinaireVidéoMultimodalAnalyse vidéo

Ouvrir le site Web

Video-MME est une référence dédiée à l’évaluation des performances des grands modèles de langage multimodaux (MLLM) dans le domaine de l’analyse vidéo. Il comble le manque d'outils d'évaluation des capacités des MLLM à traiter des données visuelles continues, offrant ainsi aux chercheurs une plateforme d'évaluation complète et de haute qualité. Cette référence couvre des vidéos de différentes durées et évalue les capacités principales des MLLM.

Best AI Websites & Tools

Video-MME

Video-MME Dernière situation du trafic

Video-MME Tendance des visites

Video-MME Distribution géographique des visites

Video-MME Sources de trafic

Video-MME Alternatives

Video-MME — Première référence exhaustive évaluant les performances des grands modèles de langage multimodaux (MLLM) dans l'analyse vidéo.

Valley — Modèle multimodal de grande taille, traitant les données textuelles, images et vidéos.

LLaVA-OneVision — Modèle de transformation performant pour les tâches de vision multimodale

Classement des modèles multimodaux OpenCompass — Classement des performances des modèles multimodaux mis à jour en temps réel

Inception Labs — Inception Labs lance une nouvelle génération de modèles linguistiques de grande diffusion, offrant une capacité de génération de langage extrêmement rapide, efficace et de haute qualité.

UniTok — UniTok est un tokeniseur visuel unifié pour la génération et la compréhension d'images.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

Mochii AI — Mochii AI est un écosystème d'intelligence artificielle personnalisé, basé sur des modèles de pointe, qui favorise l'avenir de la collaboration entre l'homme et l'IA.

TheoremExplainAgent — TheoremExplainAgent est un système intelligent permettant de générer des vidéos explicatives multimodales de théorèmes.

ZeroBench — ZeroBench est un benchmark visuel hautement exigeant conçu pour les grands modèles multimodaux contemporains.

VideoRAG — VideoRAG est un framework de génération amélioré par la recherche conçu pour traiter des vidéos à contexte extrêmement long.

OmniHuman-1 — OmniHuman-1 est un cadre multi-modal permettant de générer des vidéos humaines à partir d'une seule image portrait et de signaux de mouvement.

MILS — Les grands modèles linguistiques (LLM) peuvent voir et entendre sans aucune formation.

Janus-Pro-7B — Janus-Pro-7B est un nouveau framework autorégressif unifiant la compréhension et la génération multimodales.

Le Dernier Examen de l'Humanité — Le Dernier Examen de l'Humanité est un benchmark multimodale destiné à évaluer les capacités des grands modèles de langage.

UI-TARS — UI-TARS est un modèle d'agent GUI natif de nouvelle génération conçu pour automatiser les interactions avec les interfaces graphiques utilisateur.

MinMo — MinMo est un grand modèle linguistique multimodal conçu pour une interaction vocale transparente.

Moondream AI — Modèle linguistique visuel open source, fonctionnant sur divers appareils.

InternVL2_5-38B-MPO — Série de modèles InternVL2.5-MPO, basée sur InternVL2.5 et l'optimisation des préférences mixtes, démontrant des performances exceptionnelles.

DiffSensei — Modèle de génération de mangas personnalisé, connectant les LLM multimodaux et les modèles de diffusion.

InternVL2_5-4B-MPO-AWQ — Modèle linguistique de grande taille multi-modal, optimisant les capacités d'interaction entre l'image et le texte.

Valley 2.0 — Modèle linguistique de grande taille multimodale améliorant le traitement des données textuelles, images et vidéos.

Valley-Eagle-7B — Modèle multimodal de grande taille, traitant les données textuelles, images et vidéos.

FlagAI — Projet open source tout-en-un d'algorithmes, de modèles et d'outils d'optimisation de grands modèles.

Infini-Megrez — Modèle de compréhension multimodale pour périphériques, combinant logiciel et matériel pour libérer l'intelligence périphérique sans limites.

WePOINTS — Le projet WePOINTS fournit un cadre unifié pour les modèles multimodaux.

InternVL 2.5 — Série de grands modèles linguistiques multimodaux open source

InternVL2_5-38B — Série de modèles linguistiques de grande taille multimodaux de pointe

Amazon Nova — Amazon Nova est le nouveau modèle de base d'Amazon, offrant une intelligence de pointe et un rapport qualité-prix inégalé.

DataChain — Bibliothèque moderne de DataFrames Python, conçue pour l'intelligence artificielle.