軽量動画VLM「Marlin 2B」公開：20億パラメータで動画内の出来事と時刻を特定
NemoStationがオープンソースの動画言語モデル「Marlin 2B」を公開した。Qwen 3.5 2Bをベースに開発され、動画内で「何が起きたか」「いつ起きたか」をタイムスタンプ付きで精密に抽出できる。超大型モデルに匹敵する性能を備え、ローカル環境での動画検索やクリップ切り出しに適している。
NemoStationがオープンソースの動画言語モデル「Marlin 2B」を公開した。Qwen 3.5 2Bをベースに開発され、動画内で「何が起きたか」「いつ起きたか」をタイムスタンプ付きで精密に抽出できる。超大型モデルに匹敵する性能を備え、ローカル環境での動画検索やクリップ切り出しに適している。