LocCa: Visual Pretraining with Location-aware Captioners

Documenti analoghi

• Getting ViT in Shape: Scaling Laws for Compute-Optimal Model Design
  di: Alabdulmohsin, Ibrahim, et al.
  Pubblicazione: (2023)
• Recursive Inference Scaling: A Winning Path to Scalable Inference in Language and Multimodal Systems
  di: Alabdulmohsin, Ibrahim, et al.
  Pubblicazione: (2025)
• JetFormer: An Autoregressive Generative Model of Raw Images and Text
  di: Tschannen, Michael, et al.
  Pubblicazione: (2024)
• Jet: A Modern Transformer-Based Normalizing Flow
  di: Kolesnikov, Alexander, et al.
  Pubblicazione: (2024)
• No Filter: Cultural and Socioeconomic Diversity in Contrastive Vision-Language Models
  di: Pouget, Angéline, et al.
  Pubblicazione: (2024)