Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: InternVideo2.5 – 上海 AI Lab 联合南大、中科院开源的视频多模态大模型
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
InternVideo2.5 – 上海 AI Lab 联合南大、中科院开源的视频多模态大模型
Prompt 语宙 > AIGC 资讯 > InternVideo2.5 – 上海 AI Lab 联合南大、中科院开源的视频多模态大模型
AIGC 资讯

InternVideo2.5 – 上海 AI Lab 联合南大、中科院开源的视频多模态大模型

Prompt 语宙研究院
最近更新: 2026年6月8日 下午6:29
AI智能体 AI视频生成 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 万帧级长视频处理是核心突破,视频长度较前代从3000帧提升到10000帧。
  • 通过LRC、HiCo与TPO,兼顾长上下文建模、关键信息压缩和专业任务适配。
  • 可用于视频检索、内容创作、监控安防和自动驾驶等多类视觉场景。

InternVideo2.5是什么

InternVideo2.5是上海人工智能实验室联合南京大学、中科院深圳先进技术研究院共同开源的视频多模态大模型。在视频理解领域取得了显著进展,特别是在长视频处理和细粒度时空感知方面表现出色。模型能处理长达万帧的视频,视频处理长度较前代提升了6倍,可在长视频中精准定位目标帧,实现“大海捞针”式的检索。支持通用视频问答,完成目标跟踪、分割等专业视觉任务。

阅读目录
  • InternVideo2.5是什么
  • InternVideo2.5的主要功能
  • InternVideo2.5的技术原理
  • InternVideo2.5的项目地址
  • InternVideo2.5的应用场景

InternVideo2.5

InternVideo2.5的主要功能

  • 超长视频处理:InternVideo2.5能处理长达万帧的视频,视频处理能力较前代提升了6倍(从3000帧提升到10000帧)。能在长视频中精准定位目标帧,实现“大海捞针”式的检索,显著提升了视频分析的效率。
  • 细粒度时空感知:模型能准确识别和定位视频中的物体、场景和动作,理解细微的时空关系。支持通用视频问答,完成目标跟踪、分割等专业视觉任务。可以在复杂场景下识别物体的运动轨迹和状态变化,为自动驾驶和监控安防等领域提供精准的视觉支持。
  • 多模态融合:InternVideo2.5将视觉感知和语言理解深度融合,能根据视频内容生成详细的描述和回答用户的问题。
  • 专业视觉任务支持:通过任务偏好优化(TPO),InternVideo2.5能处理多种专业视觉任务,如目标跟踪、分割、时间定位等。能根据任务需求动态调整模型的处理策略,在不同场景下提供最优的视觉分析能力。
  • 高效预训练与优化:InternVideo2.5采用渐进式多阶段训练方案,使用超过30万小时的视频语料进行预训练。提升模型的性能,降低了训练成本。

InternVideo2.5的技术原理

  • 长时丰富上下文建模(LRC):LRC通过扩展模型的上下文长度和细节感知能力,使InternVideo2.5能处理长达万帧的视频。核心在于:
    • 视频长度自适应令牌表示:根据视频的长度和内容特征动态调整帧采样策略。例如,短序列(如秒级视频)采用密集采样(每秒15帧),长序列(如分钟或小时级视频)则采用稀疏采样(每秒1帧),确保在不同时间尺度上能有效捕捉运动信息。
    • 分层上下文压缩(HiCo):通过分层压缩机制,减少视频信号中的时空冗余,同时保留关键信息。具体包括:
      • 时空令牌合并:基于语义相似性进行令牌合并,非基于位置的简单池化操作。在保留细节的同时,显著减少了冗余信息。
      • 多模态上下文整合:在语言模型处理阶段,进一步整合压缩后的视觉令牌,确保视觉和语言信息的深度融合。
  • 任务偏好优化(TPO):TPO通过将细粒度视觉任务的标注信息转化为可微分的任务偏好,指导模型学习。使InternVideo2.5能处理多种专业视觉任务,如目标跟踪、分割、时间定位等。具体实现方式包括:
    • 任务特定组件集成:在模型中加入任务特定的组件(如时间头、掩码适配器等),并通过任务特定数据集进行训练。
    • 视觉概念预训练:使用大量图像和视频文本对进行预训练,进一步提升模型的视觉理解能力。
  • 渐进式多阶段训练方案:InternVideo2.5采用渐进式多阶段训练方案,逐步提升模型的性能:
    • 基础学习阶段:进行任务识别指令调整和视频语言对齐训练。
    • 细粒度感知训练阶段:通过集成任务特定组件和视觉概念预训练,增强视觉理解能力。
    • 综合优化阶段:在混合语料库上进行多任务训练和指令调整,优化所有模型组件。
  • 高效分布式系统:为了支持大规模视频数据的训练和测试,InternVideo2.5开发了基于多模态序列并行的分布式系统。系统结合了序列和张量分布式处理,以及动态数据打包技术,显著提高了训练效率。

InternVideo2.5的项目地址

  • Github仓库:https://github.com/OpenGVLab/InternVideo/tree/main/InternVideo2.5
  • HuggingFace模型库:https://huggingface.co/OpenGVLab/InternVideo2_5
  • arXiv技术论文:https://arxiv.org/pdf/2501.12386

InternVideo2.5的应用场景

  • 视频内容理解和检索:InternVideo2.5能根据用户的文本查询快速找到相关的视频内容,支持复杂的视频检索任务。
  • 视频编辑和创作:InternVideo2.5能为视频编辑提供智能支持,例如自动生成视频的精彩片段、生成视频的字幕或解说词。可以根据用户的指令对视频进行剪辑和调整,提高视频创作的效率。
  • 监控安防:在监控安防领域,InternVideo2.5能实时分析监控视频,快速定位异常事件并发出警报。
  • 自动驾驶:InternVideo2.5能实时处理自动驾驶车辆的摄像头数据,准确识别道路标志、交通信号和障碍物。
🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
中科院 ↗
中科院:国家最高学术机构,面向AI 综合应用场景提供便捷实用的在线功能支持。
❓ 常见问题解答(FAQ)
InternVideo2.5支持多长的视频输入?

文章信息显示,InternVideo2.5可处理长达万帧的视频,较前代视频处理长度提升6倍,从3000帧提升到10000帧,适合长视频理解、检索和定位任务。

InternVideo2.5适合做哪些视频任务?

它支持通用视频问答、目标跟踪、分割、时间定位等专业视觉任务,也能用于视频内容检索、自动生成精彩片段、字幕或解说词,覆盖创作与分析场景。

InternVideo2.5的技术亮点是什么?

核心包括长时丰富上下文建模LRC、分层上下文压缩HiCo和任务偏好优化TPO,配合渐进式多阶段训练与分布式系统,提升长视频理解和多任务能力。

🔬 语宙深潜追问 · 进阶实操拆解
长视频里怎么精准定位关键帧?

先用粗粒度时间检索缩小候选区间,再做细粒度时空对齐和目标感知。工程上要结合分段编码、关键帧采样和跨模态对齐,避免直接把整段视频塞进模型导致注意力稀释。

视频多模态模型如何服务安防场景?

安防更看重召回率、定位准确率和实时性。落地时应把异常检测、目标跟踪和事件问答拆开评估,并接入流式视频管线;同时保留可追溯证据帧,方便人工复核和合规审计。

🗳️ 读者观点微投票 · 您的实战立场是?
万帧级长视频理解最难的瓶颈是什么?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • VideoChat-Flash – 上海 AI Lab 等机构推出针对长视频建模的多模态大模型
  • Video-XL – 智源联合多所高校推出的开源超长视觉理解模型
  • LongVU – Meta AI开源的长视频理解模型
  • ExVideo – 阿里和华东师大推出的AI视频长度扩展调优技术
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
三星拟掷 10 亿欧元押注Mistral:欧洲AI独立的底气,正被资本重新定价
Claude“闯出”测试环境?Anthropic承认AI模型曾入侵三家机构系统
ExAvatar – Meta推出的3D数字形象生成模型
在 DEI 中重新思考种族主义和反种族主义的概念 [译]
从基本变量预测到复杂现象死磕!全球海洋现象智能预报大模型“琅琊”2. 0 正式发布
TAGGED:AI智能体AI视频生成开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 ACE-Step – ACE Studio联合阶跃星辰开源的音乐生成基础模型 ACE-Step – ACE Studio联合阶跃星辰开源的音乐生成基础模型
下一篇 Gemini Embedding – 谷歌推出的文本嵌入模型 Gemini Embedding – 谷歌推出的文本嵌入模型
Ad image
Ad image

最近更新

花旗银行、摩根大通与美国银行等多家大型商业银行收紧服务条款,明确用户授权第三方 AI 智能体受损需自行担责
哪怕被黑客盗刷也不赔!花旗、摩根大通与美银等五大银行集体改写条款:使用第三方AI智能体风险由客户全权自担,生态入口博弈全面打响
AIGC 资讯
LangSmith for Coding Agents 代码智能体按 PR 结果核算成本与 ROI 官方封面图
340亿美元编码AI开销如何算清账?LangSmith上线代码智能体ROI追踪:按PR结果归因成本、五大工具全统一与线程上下文通胀治理指南
最新趋势
Axiom Math 利用 AI 多智能体集群完成 1.5 万页有限单群分类定理(CFSG)与 7500 页 Stacks 项目数学形式化验证的可视化点阵图
4300万行代码堪比Linux内核!Axiom Math用AI智能体攻克1.5万页“庞大定理”与Stacks项目形式化验证:百个里程碑与分层多智能体架构全拆解
最新趋势
印度具身智能数据初创公司 Humyn Labs 联合创始人 Ishank Gupta(左)与 Manish Agarwal(右)
半年营收破千万且90%来自美国!印度物理AI数据创企Humyn Labs获4700万美元A轮:双摄硬件、2100万债权垫资与20国采集网全拆解
AIGC 资讯

相关推荐

Lobe Vidol – AI数字人交互平台,可与虚拟人和 3D 模型聊天互动
AIGC 资讯

Lobe Vidol – AI数字人交互平台,可与虚拟人和 3D 模型聊天互动

Prompt 语宙研究院
3D与空间智能 AI智能体 AI音频与语音 开源大模型
1次查看
Automaited
AI 工具

Automaited

remaker
AI办公效率 AI智能体
星辰大模型 – 中国电信推出的AI大模型集合平台
AIGC 资讯

星辰大模型 – 中国电信推出的AI大模型集合平台

Prompt 语宙研究院
AI办公效率 AI视频生成 AI音频与语音 开源大模型
Vary-toy:开源的小型视觉多模态模型
AIGC 资讯

Vary-toy:开源的小型视觉多模态模型

Prompt 语宙研究院
AI智能体 大模型微调 开源大模型
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.