MOSS-VL-Base

OpenMOSS-Team发布MOSS-VL-Realtime，用于连续视频流理解

OpenMOSS-Team发布了MOSS-VL-Realtime，这是一款专为连续视频流理解设计的新模型。与一次性处理整个视频的传统模型不同，MOSS-VL-Realtime实时处理传入的帧，允许在流的任何时间点提问。该模型在视觉证据不足时也可以选择保持沉默，并且可以随着新帧的处理动态更新其响应。它保持256K的文本上下文窗口，并利用具有时间戳感知帧编码的交叉注意力架构来改进时间推理。