#long-video-understanding Dépôts
Découvrez 7 dépôts GitHub open source actifs associés à #long-video-understanding, cumulant 8,859 étoiles au total (soit une moyenne de 1,265 étoiles par projet). Le projet en tête de ce thème est HKUDS/VideoRAG, avec 3,528 étoiles.
7 dépôts au total
Le plan d'IA NVIDIA pour la recherche et le résumé vidéo (VSS) est une architecture de référence accélérée par GPU pour construire des agents d'analyse vidéo avec des alertes vérifiées en temps réel, des questions-réponses visuelles et des rapports automatisés. Le plan VSS utilise des modèles de langage visuel (VLM) tels que NVIDIA Cosmos, des LLM tels que NVIDIA Nemotron, RAG et NVIDIA NIM.
Une série de modèles de 11B à poids ouverts pour la compréhension de vidéos longues et en temps réel
[CVPR 2024] MovieChat : Des tokens denses à la mémoire éparse pour la compréhension de longues vidéos
Code officiel pour le modèle Goldfish pour la compréhension de longues vidéos et MiniGPT4-vidéo pour la compréhension de courtes vidéos
🔥🔥Les tout premiers modèles à l'échelle de l'heure pour la compréhension vidéo
[ICLR2026] VideoChat-Flash: Compression hiérarchique pour la modélisation vidéo à long terme du contexte
Foire aux questions
Quel est le dépôt #long-video-understanding le plus populaire sur GitHub ?
Le projet #long-video-understanding open source le mieux classé sur GitHub est HKUDS/VideoRAG, avec 3,528 étoiles. [KDD'2026] "VideoRAG: Discutez avec vos vidéos"
Quels langages de programmation sont les plus utilisés dans les dépôts #long-video-understanding ?
Parmi les projets #long-video-understanding les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++.
Comment le classement des dépôts #long-video-understanding est-il calculé ?
Nous suivons 7 dépôts open source actifs associés à #long-video-understanding (500+ étoiles), totalisant 8,859 étoiles, avec une moyenne de 1,265 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.