Learning to See What You Need: Gaze Attention for Multimodal Large Language Models

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Song, Junha, Heo, Byeongho, Gu, Geonmo, Choo, Jaegul, Han, Dongyoon, Yun, Sangdoo
Format:	Preprint
Publié:	2026
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2605.13080