ml-slowfast-llava
不训练也能做视频问答，双路抽帧直接跑出强基线
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-09-15 · 当前星标 ★ 295
核心亮点
- 完全免训练，直接复用现有图像 LLM 权重即可推理视频问答
- Slow/Fast 双路径设计同时兼顾长程语义与快速动作细节
- 代码结构清晰，配置化抽帧参数，便于在自有视频数据上快速验证
不足之处
- 仅提供推理基线，缺少训练脚本与微调流程
- 依赖外部图像 LLM 权重，需自行准备模型与显存环境
适用场景
- 科研人员快速搭建视频问答基线做对比实验
- 工程团队在无标注视频数据上验证多模态方案可行性
- 教学场景演示视频 LLM 的免训练时空建模思路
替代项目
Video-LLaVA、LLaVA-NeXT-Video
同类项目推荐
InternVL
开源
开源接近GPT-4o的多模态对话模型，图像理解与对话一步到位。
[CVPR 2024 Oral] InternVL Family: A Pioneering Open-Source Alternative to GPT-4o. 接···
eullm
开源
让大模型合规落地欧盟，垂直定制一步到位
Open-source platform for creating, distributing and running sovereign EU-compliant L···
Consistency_LLM
开源
让大模型并行吐字，推理速度翻倍
[ICML 2024] CLLMs: Consistency Large Language Models
WeMM-Embedding
开源
一套向量搞定图文互搜，多模态检索直接接入
WeMM-Embedding is a family of universal multimodal embedding models by the WeChat Vi···
awesome-local-llm
开源
一站式找到本地跑大模型的所有工具和教程
A curated list of awesome platforms, tools, practices and resources that helps run L···
Liquid
开源
用语言模型统一生成图像与文本，一步到位
(Accepted by IJCV) Liquid: Language Models are Scalable and Unified Multi-modal Gene···
mlx-lm
开源
在 Mac 上本地跑大模型，不买显卡也能流畅推理微调
Run LLMs with MLX
LLaMA-Mesh
开源
用大模型直接生成 3D 网格，告别复杂建模流程
Unifying 3D Mesh Generation with Language Models
Ovis-U1
开源
一个模型搞定看图、画图和改图
An unified model that seamlessly integrates multimodal understanding, text-to-image ···