人工智能领域又有新进展。随着MiniGPT4-Video的问世，视频理解这项难题有了显著的突破。

据报道，4月4日，K AUST 和哈佛大学研究团队发表的论文中提出MiniGPT4-Video框架——专为视频理解而设计的多模态大模型。该模型能够处理时间视觉和文本数据，使其能够熟练地理解视频的复杂性。MiniGPT4-video不仅考虑视觉内容，还集成了文本对话，允许模型有效地回答涉及视觉和文本组