2025年2月24日
Sa2VA环境搭建&推理测试
摘要： 引子 Sa2VA模型通过结合SAM-2和LLaVA，将文本、图像和视频统一到共享的LLM标记空间中，能够在少量指令微调下执行多种任务，如图像/视频对话、指称分割和字幕生成。该模型在视频编辑和内容创作中展现出强大的性能，在相关基准任务中达到了SOTA水平。OK，那就让我们开始吧。 一、模型介绍 Sa2 阅读全文
posted @ 2025-02-24 14:50 要养家的程序猿 阅读(175) 评论(0) 推荐(0)