v1: Learning to Point Visual Tokens for Multimodal Grounded Reasoning

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Chung, Jiwan, Kim, Junhyeok, Kim, Siyeol, Lee, Jaeyoung, Kim, Min Soo, Yu, Youngjae
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/2505.18842