Video-LaVIT: Unified Video-Language Pre-training with Decoupled Visual-Motional Tokenization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Yang, Sun, Zhicheng, Xu, Kun, Chen, Liwei, Jiang, Hao, Huang, Quzhe, Song, Chengru, Liu, Yuliang, Zhang, Di, Song, Yang, Gai, Kun, Mu, Yadong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2402.03161