ViSRA: A Video-based Spatial Reasoning Agent for Multi-modal Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mou, Tingshu, He, Jiabo, Wang, Renying, Liu, Ce, Yang, Hao, Zhang, Tiehua, Chen, Jingjing, Ma, Xingjun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Keine Beschreibung verfügbar.

Ähnliche Einträge