태그: #LLaVA
GPU·LLM·MLOps·쿠버네티스, 그리고 마음가짐에 관한 글 · 1 편
영상-언어 모델과 스트리밍: 어떻게 학습시키고, 스포츠 벤치마크에서 왜 약한가
영상을 보고 말로 답하는 영상-언어 모델(Video-LLM)이 어떻게 학습되는지, 그리고 테니스·탁구 같은 빠른 라켓 스포츠 벤치마크에서 왜 사람의 절반 수준에 머무는지를 정리합니다. 그림 인코더와 언어 모델을 잇는 두 단계 학습(LLaVA), 프레임을 토큰으로 줄이고 실제 시각을 위치 인코딩에 넣는 법(Qwen2.5-VL), 실시간 해설을 위한 세 장치(말할 때를 맞히는 손실, 자막과 프레
2026-10-17 · 17 분 읽기 #비전 모델#영상-언어 모델#LLaVA#Qwen2.5-VL#스트리밍