VideoMind：Chain-of-LoRA突破时间盲区让AI真正看懂长视频
**VideoMind** 是一种专为应对长视频中时间定位理解挑战而设计的新型视频语言代理。它不仅“观看”视频，还“分析”视频，采用一种结合了专门角色和名为 **Chain-of-LoRA** 的创新技术的策略。
Video-LLaMa:利用多模态增强对视频内容理解
本文将重点介绍称为video - llama的多模态框架。Video-LLaMA旨在使LLM能够理解视频中的视觉和听觉内容。
常用的视频帧提取工具和方法总结
视频理解任务最基础也是最主要的预处理任务是图像帧的提取。因为在视频理解任务中，视频可以看作是由一系列连续的图像帧组成的。
