QCaption: Video Captioning and Q&A through Fusion of Large Multimodal Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Jiale, Ng, Gee Wah, Mak, Lee Onn, Cher, Randall, Ryan, Ng Ding Hei, Wang, Davis
Formato:	Preprint
Publicado:	2026
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2601.06566