Questions About InternVideo2clip Training Data and Fine-Tuning Requirements

未关闭

#293 创建于 2025年6月12日 0 条评论 0 个 reaction 已指派 0 人在 GitHub 查看

还没有人认领这个 Issue。

评估

难度: 5/5
预计耗时: 一周以上
新手友好度: 15/100

Issue 类型: 文档
描述清晰度: 需要澄清
活跃度: 停滞
技术栈: python
领域: computer-vision, machine-learning

调研方向

从 InternVideo2 论文和链接的 InternVideo2-Stage2_1B-224p-f4 权重页面开始。确定项目是否提供 InternVideo2clip 训练数据集、中文数据相关信息和微调指南；仅记录经维护者或项目材料确认的细节。

由索引模型根据 Issue 内容生成。

描述

Thank you for your work! I have a question:

In the paper, it is stated: "We also learn a CLIP-style InternVideo2 indicated by InternVideo2clip. It is post-pretrained from InternVideo2s2 by only preserving video and text encoders and contrastive loss."

May I ask what training dataset was used for InternVideo2clip? Does it include any Chinese data? Approximately how much data would be required to fine-tune it effectively?

I noticed that only the attnpool of the vision encoder has been released in the official weights. https://huggingface.co/OpenGVLab/InternVideo2-Stage2_1B-224p-f4

主要语言: Python
星标: 2.4k
派生: 160
PR 合并指标: 30 天内没有已合并 PR

贡献指南

这个仓库没有索引到贡献指南

从这里开始

先读完整个 Issue，再读项目的贡献指南。
在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
Fork 仓库，在一个分支上完成修改。
提交 Pull Request，并在描述里引用这个 Issue 编号。

OpenGVLab/InternVideo 的其他 Issue

Rights Holder Removal Request — Wild Adventure Girls Works in InternVid 未关闭

难度 5/5 一周以上新手友好度 25/100

OpenGVLab/InternVideo#324 · 1 条评论 · 2026年7月26日创建
InternVideo2 stage-1 weights 未关闭

难度 5/5 一周以上新手友好度 20/100

OpenGVLab/InternVideo#323 · 2026年7月10日创建
Request to release multimodal finetuning for Internvideo3 未关闭

难度 5/5 一周以上新手友好度 25/100

OpenGVLab/InternVideo#322 · 2026年7月1日创建
Fine-tuning on SSV2 with official 1B_ft_ssv2_f8.pth weights yields only ~2.78% Top-1 accuracy, loss barely decreases 未关闭

难度 4/5 3-5 天新手友好度 42/100

OpenGVLab/InternVideo#321 · 2026年6月24日创建
Consider using pre-built Flash Attention kernels via `kernels` 未关闭

难度 4/5 3-5 天新手友好度 35/100

OpenGVLab/InternVideo#319 · 1 条评论 · 2026年5月28日创建

查看 OpenGVLab/InternVideo 的全部 Issue

相似的 Issue

slack-gif-creator: validate_gif() multiplies the last frame's duration by the frame count, so reported duration/fps are wrong (1.0s GIF reported as 1.8s) 未关闭

难度 2/5 1-3 小时新手友好度 75/100

anthropics/skills#1811 · 1 条评论 · 2026年9月23日创建
App fails to start with gradio 6 (allowed by `gradio>=5.49.1`) 未关闭

难度 2/5 1-3 小时新手友好度 75/100

speaches-ai/speaches#678 · 2026年9月23日创建
ModuleNotFoundError: No module named 'mcp.server.fastmcp'. 未关闭

bug

难度 2/5 1-3 小时新手友好度 75/100

datalayer/mcp-compose#42 · 2026年9月23日创建
import spacy fails with ModuleNotFoundError: No module named 'click' 未关闭

难度 2/5 1-3 小时新手友好度 75/100

conda-forge/spacy-feedstock#177 · 2026年9月23日创建
humaneval: extract_function_body corrupts a fenced body-only reply, so the same correct code scores INCORRECT fenced and CORRECT unfenced 未关闭

难度 2/5 1-3 小时新手友好度 70/100

UKGovernmentBEIS/inspect_evals#2523 · 2026年9月23日创建

更多 Python Issue