Pixel-level Scene Understanding in One Token: Visual States Need What-is-Where Composition

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Lee, Seokmin, Lee, Yunghee, Pak, Byeonghyun, Woo, Byeongju
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!