QLIP: Text-Aligned Visual Tokenization Unifies Auto-Regressive Multimodal Understanding and Generation

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autores principales: Zhao, Yue, Xue, Fuzhao, Reed, Scott, Fan, Linxi, Zhu, Yuke, Kautz, Jan, Yu, Zhiding, Krähenbühl, Philipp, Huang, De-An
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares