Investigating and Enhancing Vision-Audio Capability in Omnimodal Large Language Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Hu, Rui, Qiu, Delai, Wei, Shuyu, Zhang, Jiaming, Wang, Yining, Liu, Shengping, Sang, Jitao
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2503.00059