ToFu: Visual Tokens Reduction via Fusion for Multi-modal, Multi-patch, Multi-image Task

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Pippi, Vittorio, Guillaumin, Matthieu, Cascianelli, Silvia, Cucchiara, Rita, Jaritz, Maximilian, Bazzani, Loris
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2503.04444