Sa2VA

大语言模型 1.7k 134 Python 上架 2026-11-08 在 GitHub 打开

Sa2VA 是首个统一的图像和视频密集型语言理解模型。与现有多模态大型语言模型通常局限于特定模态和任务不同，Sa2VA 支持广泛的图像和视频任务，包括指称分割和对话，且只需极少的单次指令调优。Sa2V...