sunnymoon155

test failed when using RGBDiff modality

1

input_view = input.view((-1, self.num_segments, self.new_length + 1, input_c,) + input.size()[2:]) RuntimeError: shape '[-1, 16, 6, 3, 18, 224, 224]' is invalid for input of size 231211008 my segments num is...

evaluation accuracy

2

hi, the eval result is mean_edit_distance, could I use tf.metrics.accuracy to evaluate the accuracy? Could you please tell me how should I modify the code? eval_metric_ops = {"accuracy": tf.metrics.accuracy(labels,predictions)} it...

请问vl2.0的api支持视频输入吗？

1

### Motivation 我看本地demo是可以视频推理的，但是api只能接收图片，这个后边可以支持吗？ ### Related resources _No response_ ### Additional context _No response_

请问使用webui进行流式推理的时候音频播放为什么会有5秒钟左右的延迟？

5

按理说500ms一个chunk，推理+播放延迟应该不会超过1-2秒吧，推理完成第1个chunk应该就会开始播放音频了，是gradio的问题吗？我的设备没有播放器，只能用webui播放音频，如果直接用pyaudio本地播放会不会没有这么高延迟？