跳至内容

pchao.org

Qwen3-VL-Thinking-8B

ThinkV2V:释放多模态大模型推理能力的指令引导视频编辑

2 10 月, 2026 作者 PengChao
先想后改架构

ThinkV2V 先让 MLLM 对源视频与隐式指令做显式思考,再经可学习查询连接器注入 DiT,配合渐进课程训练与推理时思考扩展,完成复杂指令视频编辑。

分类 CVPR三分钟 标签 CVPR三分钟、 MLLM、 Qwen3-VL-Thinking-8B、 ThinkV2V、 人工智能、 深度学习、 计算机视觉 发表评论
© 2026 pchao.org • Built with GeneratePress