Text as Images: Can Multimodal Large Language Models Follow Printed Instructions in Pixels?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Xiujun, Lu, Yujie, Gan, Zhe, Gao, Jianfeng, Wang, William Yang, Choi, Yejin
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2311.17647