字幕与视频帧结合

AI视频理解模型，可高效处理任意长度的视频序列任务 Goldfish是面向视频理解的AI模型，采用检索式机制，先收集与指令相关的视频片段再输出响应，可处理任意长度视频，适配影视内容场景。配套开发MiniGPT4-Video生成视频片段描述，在长视频基准测试准确率超原有方法14.94%，多项短视频基准测试也超越现有最佳方案，长短视频理解均有显著提升。