InternVideo2.5行为时空定位代码有没有案例代码？

Open JustinhoCHN opened this issue 10 months ago • 0 comments

想其输出某个行为在每一帧的坐标信息，曾经试过用提示词让其输出<xmin, ymin, xmax, ymax>的坐标，但它回复说不能输出像素坐标值。想知道论文中是如何实现的，有没有大佬能提供一些参考的代码或者思路？谢谢

Apr 01 '25 14:04 JustinhoCHN