VLMs Need Words: Vision Language Models Ignore Visual Detail In Favor of Semantic Anchors

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Shahgir, Haz Sameen, Chen, Xiaofu, Fu, Yu, Shayegani, Erfan, Abu-Ghazaleh, Nael, Kementchedjhieva, Yova, Dong, Yue
Formato:	Preprint
Publicado:	2026
Materias:	Computer Vision and Pattern Recognition Computation and Language
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2604.02486