Can Sound Replace Vision in LLaVA With Token Substitution?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vosoughi, Ali, Bi, Jing, Liu, Pinxin, Tang, Yunlong, Xu, Chenliang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Multimedia Sound Audio and Speech Processing 68T07
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2506.10416