SilVar: Speech Driven Multimodal Model for Reasoning Visual Question Answering and Object Localization

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Pham, Tan-Hanh, Le, Hoang-Nam, Nguyen, Phu-Vinh, Ngo, Chris, Hy, Truong-Son
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/2412.16771