Tarsier2

ByteDance Research 的视频理解大模型眼镜猴(Tarsier)发布了第二代模型 Tarsier2 及相关技术报告。Tarsier2 在影视名场面分析和视频描述任务上表现突出，展示了强大的视频理解和生成能力。

ByteDance Research 的视频理解大模型眼镜猴（Tarsier）迎来了重大更新，发布了第二代模型 Tarsier2 及相关技术报告。Tarsier2 能够分析复杂的影视名场面，并对真人和动画、横屏和竖屏、多场景和多镜头的视频进行描述，其性能超越了 GPT-4o 和 Gemini-1.5-Pro 等闭源模型，在多个公开基准上表现出色。