VG-TVP: Multimodal Procedural Planning via Visually Grounded Text-Video Prompting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ilaslan, Muhammet Furkan, Koksal, Ali, Lin, Kevin Qinhong, Satar, Burak, Shou, Mike Zheng, Xu, Qianli
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2412.11621