From Visuals to Vocabulary: Establishing Equivalence Between Image and Text Token Through Autoregressive Pre-training in MLLMs

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Li, Mingxiao, Qu, Fang, Chen, Zhanpeng, Su, Na, Zhong, Zhizhou, Chen, Ziyang, Du, Nan, Li, Xiaolong
Format:	Preprint
Publié:	2025
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2502.09093