Embodied Scene Understanding for Vision Language Models via MetaVQA

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Weizhen, Duan, Chenda, Peng, Zhenghao, Liu, Yuxin, Zhou, Bolei
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition Robotics
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2501.09167