Text or Pixels? It Takes Half: On the Token Efficiency of Visual Text Inputs in Multimodal LLMs

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Li, Yanhong, Lan, Zixuan, Zhou, Jiawei
Natura: Preprint
Pubblicazione: 2025
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!