将视觉内容转化为大模型的标记

最近，卡内基梅隆大学、Google研究以及乔治亚理工学院联合推出了一项名为MAGVIT-v2的视频标记工具，它成功地将图像和视频输入转化为大型语言模型（LLM）可识别的标记。项目地址:https://magvit.cs.cmu.edu/