VideoChat3: 남경대의 4B 완전 오픈 영상 MLLM, HuggingFace 트렌딩 1위
원 발표일은 2026-07-16(arXiv 2607.14935)이며, 2026-07-17~19 HuggingFace 트렌딩 1위를 기록하며 주목받았다. 남경대 멀티미디어 컴퓨팅 그룹이 공개한 4B 파라미터 영상 특화 MLLM으로, Inflated 3D Vision Transformer(I3D-ViT)와 Adaptive Frame Resolution 기법을 결합해 시각 토큰 수를 대폭 줄이면서 일반·장편·스트리밍 영상 세 시나리오를 단일 모델로 처리한다. 동급 이상 파라미터의 기존 오픈소스 모델을 전 벤치마크에서 능가했으며, 가중치·학습 코드·데이터셋을 모두 공개한 완전 오픈(fully open) 모델임을 표방한다. 학습 데이터셋 VideoChat3-Academic2M, VideoChat3-LV116K, VideoChat3-OL617K 세 종류를 함께 제공해 재현성과 커뮤니티 연구를 지원한다.
원문 보기