HaploVL: A Single-Transformer Baseline for Multi-Modal Understanding

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Yang, Rui, Song, Lin, Xiao, Yicheng, Huang, Runhui, Ge, Yixiao, Shan, Ying, Zhao, Hengshuang
Format:	Preprint
Publié:	2025
Sujets:	Computation and Language 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/2503.14694