Towards Visual Text Grounding of Multimodal Large Language Model

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Li, Ming, Zhang, Ruiyi, Chen, Jian, Wang, Chenguang, Gu, Jiuxiang, Zhou, Yufan, Dernoncourt, Franck, Zhu, Wanrong, Zhou, Tianyi, Sun, Tong
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Accesso online

https://arxiv.org/abs/2504.04974