From CLIP to DINO: Visual Encoders Shout in Multi-modal Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Dongsheng, Liu, Yuchen, Liu, Songlin, Zhao, Jin'e, Zhang, Hao, Gao, Zhen, Zhang, Xiaopeng, Li, Jin, Xiong, Hongkai
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!

Ähnliche Einträge