Ground-V: Teaching VLMs to Ground Complex Instructions in Pixels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zong, Yongshuo, Zhang, Qin, An, Dongsheng, Li, Zhihua, Xu, Xiang, Xu, Linghan, Tu, Zhuowen, Xing, Yifan, Dabeer, Onkar
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2505.13788