首页
›
实战100例
›
047-多模态 VLA 世界模型实战
›
《视频语言多模态模型训练实战100例》
VIP10
本课程属于：047-多模态 VLA 世界模型实战
实战100例 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《视频语言多模态模型训练实战100例》
共 100 例
01
视频帧采样与预处理
02
视频字幕对齐与数据集构建
03
视频特征提取（I3D）
04
视频特征提取（SlowFast）
05
视频特征提取（CLIP）
06
视频特征提取（VideoMAE）
07
文本编码器选择与微调
08
视频-文本对比学习基础
09
视频-文本匹配任务
10
视频问答（VideoQA）基础
11
视频字幕生成（LSTM+CNN）
12
视频字幕生成（Transformer）
13
视频摘要生成
14
视频时刻检索（Temporal Grounding）
15
视频-文本检索（跨模态检索）
16
视频-语言预训练（数据构建）
17
视频-语言预训练（模型架构）
18
视频-语言预训练（训练策略）
19
视频-语言预训练（微调）
20
视频-语言模型中的注意力可视化
21
视频-语言模型中的跨模态融合
22
视频-语言模型中的时间建模
23
视频-语言模型中的空间建模
24
视频-语言模型中的多帧聚合
25
视频-语言模型中的数据增强
26
视频-语言模型中的负采样策略
27
视频-语言模型中的损失函数设计
28
视频-语言模型中的优化器选择
29
视频-语言模型中的学习率调度
30
视频-语言模型中的梯度累积
31
视频-语言模型中的混合精度训练
32
视频-语言模型中的分布式训练
33
视频-语言模型中的模型并行
34
视频-语言模型中的梯度裁剪
35
视频-语言模型中的权重初始化
36
视频-语言模型中的正则化技术
37
视频-语言模型中的标签平滑
38
视频-语言模型中的早停策略
39
视频-语言模型中的模型检查点
40
视频-语言模型中的评估指标
41
视频-语言模型中的可视化工具
42
视频-语言模型中的超参数调优
43
视频-语言模型中的迁移学习
44
视频-语言模型中的领域自适应
45
视频-语言模型中的少样本学习
46
视频-语言模型中的零样本学习
47
视频-语言模型中的多任务学习
48
视频-语言模型中的对抗训练
49
视频-语言模型中的知识蒸馏
50
视频-语言模型中的量化
51
视频-语言模型中的剪枝
52
视频-语言模型中的推理加速
53
视频-语言模型中的部署
54
视频-语言模型中的边缘部署
55
视频-语言模型中的可解释性
56
视频-语言模型中的错误分析
57
视频-语言模型中的鲁棒性测试
58
视频-语言模型中的公平性评估
59
视频-语言模型中的长视频处理
60
视频-语言模型中的实时处理
61
视频-语言模型中的多语言支持
62
视频-语言模型中的音频融合
63
视频-语言模型中的光学字符识别（OCR）
64
视频-语言模型中的面部识别
65
视频-语言模型中的动作识别
66
视频-语言模型中的事件预测
67
视频-语言模型中的情感分析
68
视频-语言模型中的视频描述生成
69
视频-语言模型中的视频摘要生成（抽取式）
70
视频-语言模型中的视频摘要生成（生成式）
71
视频-语言模型中的视频问答（多选）
72
视频-语言模型中的视频问答（开放域）
73
视频-语言模型中的视频推理
74
视频-语言模型中的视频常识推理
75
视频-语言模型中的视频对话
76
视频-语言模型中的视频生成（文本到视频）
77
视频-语言模型中的视频编辑（文本指导）
78
视频-语言模型中的视频分割（文本指导）
79
视频-语言模型中的视频跟踪（文本指导）
80
视频-语言模型中的视频异常检测
81
视频-语言模型中的视频推荐
82
视频-语言模型中的视频分类（零样本）
83
视频-语言模型中的视频分类（少样本）
84
视频-语言模型中的视频聚类
85
视频-语言模型中的视频去噪
86
视频-语言模型中的视频超分辨率
87
视频-语言模型中的视频风格迁移
88
视频-语言模型中的视频着色
89
视频-语言模型中的视频帧插值
90
视频-语言模型中的视频压缩
91
视频-语言模型中的视频水印去除
92
视频-语言模型中的视频隐私保护
93
视频-语言模型中的视频检索（跨语言）
94
视频-语言模型中的视频检索（跨模态）
95
视频-语言模型中的视频检索（细粒度）
96
视频-语言模型中的视频检索（实时）
97
视频-语言模型中的视频检索（大规模）
98
视频-语言模型中的视频检索（多模态融合）
99
视频-语言模型中的视频检索（自监督）
100
视频-语言模型中的视频检索（弱监督）
所属VIP或分类
同VIP：VLA与世界模型联合训练实战100例
同VIP：VLA视觉语言动作模型与多模态融合实战100例
同VIP：具身智能世界模型与智能体架构实战100例