Open xyw1 opened 2 days ago
需要根据视频总结出摘要,视频拍摄角度有时候很混乱,先抽帧生成文本再总结的效果不好
No response
- OS: - Python: - Transformers: - PyTorch: - CUDA (`python -c 'import torch; print(torch.version.cuda)'`):
目前我们的模型只有输入单张图片的能力,因此还是要处理成图片,好像没能想到更好的办法。
是否已有关于该错误的issue或讨论? | Is there an existing issue / discussion for this?
该问题是否在FAQ中有解答? | Is there an existing answer for this in FAQ?
当前行为 | Current Behavior
需要根据视频总结出摘要,视频拍摄角度有时候很混乱,先抽帧生成文本再总结的效果不好
期望行为 | Expected Behavior
No response
复现方法 | Steps To Reproduce
No response
运行环境 | Environment
备注 | Anything else?
No response