视觉语言模型如何把不同分辨率图像和不等长视频组织到同一批次？

知识专题：模型服务、部署与交付题目类型：原理机制技术难度：进阶

收录题集：5 份

暂无参考答案

未标记

询问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

本题目录

收录题集

5 份

多模态与计算机视觉

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【Deepseek-VL架构】Deepseek-VL的模型架构padding是如何做的？「蚂蚁集团」

Qwen-VL系列模型核心考点

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- Qwen3-VL 如何在一个batch中处理不同分辨率的图像和不同长度的视频？

01_AI视频核心基础知识

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- 视频生成大模型在训练时如何处理输入数据？

03_视频生成与编辑技术路线

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- Sora 为什么保留原始宽高比和可变时空尺寸训练？工程上如何组织数据？

05_视频生成训练与工程优化

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- 训练中如何设计帧数、分辨率、帧率和长宽比的 bucketing？