비디오 이해를 위한 시각-언어 토큰 상호 배치를 통한 멀티모달 LLM의 발전: MiniGPT4-Video

MiniGPT4-Video는 비디오의 시각적 및 텍스트적 데이터를 종합적으로 처리하여 비디오 이해 능력을 향상시킨 멀티모달 LLM 모델이다.