Inference Compute-Optimal Video Vision Language Models

Documenti analoghi

• Modality-Specialized Synergizers for Interleaved Vision-Language Generalists
  di: Xu, Zhiyang, et al.
  Pubblicazione: (2024)
• CompCap: Improving Multimodal Large Language Models with Composite Captions
  di: Chen, Xiaohui, et al.
  Pubblicazione: (2024)
• Vision-Flan: Scaling Human-Labeled Tasks in Visual Instruction Tuning
  di: Xu, Zhiyang, et al.
  Pubblicazione: (2024)
• A Survey on Hallucination in Large Vision-Language Models
  di: Liu, Hanchao, et al.
  Pubblicazione: (2024)
• Natural Language Inference Improves Compositionality in Vision-Language Models
  di: Cascante-Bonilla, Paola, et al.
  Pubblicazione: (2024)