实体
Qwen-2.5-Omni
Qwen-2.5-Omni
PulseAugur coverage of Qwen-2.5-Omni — every cluster mentioning Qwen-2.5-Omni across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Bagpiper 音频模型使用丰富的字幕处理开放式任务
研究人员推出 Bagpiper，一个拥有 80 亿参数的音频基础模型，旨在通过丰富、全面的自然语言描述来解读物理音频。该模型在 6000 亿个 token 上进行了预训练，建立了原始音频和概念理解之间的双向映射。Bagpiper 可以执行开放式音频任务，包括生成语音、音效和音乐，并在音频理解方面展现出与 7B Qwen-2.5-Omni 模型相当的性能。
-
OmniMem 提升大语言模型内存效率，用于长视频分析
研究人员开发了 OmniMem，一个旨在提高音视频大语言模型处理长视频时内存效率的新框架。OmniMem 通过采用一种区分视觉和音频上下文的模态感知分配策略，解决了视频 token 和 KV 缓存线性增长的挑战。它还使用扰动感知选择来保留关键信息，防止内存压缩损害理解。实验表明，在相似的内存限制下，OmniMem 比现有方法提高了 2-4% 的准确率，通过预算感知微调还可以获得进一步的提升。