StructXLIP: Enhancing Vision-language Models with Multimodal Structural Cues

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Ruan, Zanxi, Gao, Songqun, Kong, Qiuyu, Wang, Yiming, Cristani, Marco
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/2602.20089