§15.2.10
视频 VLM：Video-LLaMA / Video-LLaVA / VideoChat2 / LLaVA-Next-Video / VideoLLM-MoD？
CV 计算机视觉 · 付费章节
每个框架的第 1 节免费。要读后续章节，可单独解锁本框架，或一次解锁 4 个框架。
或 Pro 订阅 ¥49/月 · 报名冲刺营 都包含解锁
- §15.2LLaVA 1.5 / 1.6 的 MLP projector + 视觉指令微调？→
- §15.2MiniGPT-4 / mPLUG-Owl / InternVL 1/2/2.5 / Qwen-VL / Qwen2-VL / Qwen2.5-VL / Qwen3-VL 的关键差异？→
- §15.2动态分辨率（AnyRes / Native dynamic resolution）方案？→
- §15.2OCR-free 文档 VLM（GOT-OCR2 / DocOwl / MiniCPM-V）？→
- §15.2Grounding 能力（Kosmos-2、Grounding-DINO、GLaMM、Ferret）如何注入坐标？→
- §15.2原生多模态：GPT-4o / Gemini / Chameleon 的统一 token 设计？→