VCR: A Task for Pixel-Level Complex Reasoning in Vision Language Models via Restoring Occluded Text

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhang, Tianyu, Wang, Suyuchen, Li, Lu, Zhang, Ge, Taslakian, Perouz, Rajeswar, Sai, Fu, Jie, Liu, Bang, Bengio, Yoshua
Formato:	Preprint
Publicado:	2024
Materias:	Computer Vision and Pattern Recognition Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2406.06462