GeM-VG: Towards Generalized Multi-image Visual Grounding with Multimodal Large Language Models

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Zheng, Shurong, Zhu, Yousong, Zhao, Hongyin, Yang, Fan, Zhan, Yufei, Tang, Ming, Wang, Jinqiao
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi