ConvLLaVA: Hierarchical Backbones as Visual Encoder for Large Multimodal Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ge, Chunjiang, Cheng, Sijie, Wang, Ziming, Yuan, Jiale, Gao, Yuan, Song, Jun, Song, Shiji, Huang, Gao, Zheng, Bo
Formato:	Preprint
Publicado:	2024
Materias:	Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2405.15738