Chain-of-Caption: Training-free improvement of multimodal large language model on referring expression comprehension

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Pang, Yik Lung, Oh, Changjae
Formato:	Preprint
Publicado:	2026
Materias:	Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2602.08211