LLaVA-Mini: Efficient Image and Video Large Multimodal Models with One Vision Token

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhang, Shaolei, Fang, Qingkai, Yang, Zhe, Feng, Yang
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2501.03895