From Correspondence to Actions: Human-Like Multi-Image Spatial Reasoning in Multi-modal Large Language Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Oi, Masanari, Maeda, Koki, Koike, Ryuto, Oba, Daisuke, Inoue, Nakamasa, Okazaki, Naoaki
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/2602.08735