VTCBench: Can Vision-Language Models Understand Long Context with Vision-Text Compression?

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Zhao, Hongbo, Wang, Meng, Zhu, Fei, Liu, Wenzhuo, Ni, Bolin, Zeng, Fanhu, Meng, Gaofeng, Zhang, Zhaoxiang
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2512.15649