近年来，大语言模型 (LLMs) 在文本理解与生成领域取得了显著进展。然而，LLMs 在理解和生成自然信号（例如图像，视频）等，还处在比较早期的探索阶段。本次演讲将介绍字节跳动视觉基础研究团队在这个方向的探索与进展，包括 LLMs 在图像理解与视频生成上的阶段性结果。

演讲提纲

1. 计算机视觉领域的一些基础问题
2. 当前LLM 在解决计算机视觉问题的局限
3. 基础研究团队的思路和研究方向
4. 项目分享1: LLM 在图像理解上的应用
5. 项目分享2: LLM 在视频生成上的应用
6. 总结与展望

听众收益

1. 企业内部的一些技术进展与研究方法
2. LLMs 在计算机视觉领域的应用方法