Advancing General Multimodal Capability of Vision-language Models with Pyramid-descent Visual Position Encoding

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Chen, Zhanpeng, Li, Mingxiao, Chen, Ziyang, Du, Nan, Li, Xiaolong, Zou, Yuexian
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi