PEARL: модель для понимания персонализированных видеопотоков в реальном времени.
Представлена модель PEARL, предназначенная для понимания персонализированных видеопотоков.
Система распознает определенные понятия в видео, отмечает, когда они появляются, и отвечает на вопросы о видео в режиме реального времени.
Модель построена на основе фреймворков Qwen3-VL-8B-Instruct, Qwen3-VL-Embedding-2B и llava-onevision-qwen2-7b-ov-hf.
Исходный код проекта доступен на GitHub.
Ещё новости:
