Stitch and Tell: A Structured Multimodal Data Augmentation Method for Spatial Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yin, Hang, He, Xiaomin, Yuan, PeiWen, Li, Yiwei, Shi, Jiayi, Fan, Wenxiao, Feng, Shaoxiong, Li, Kan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2512.06769