Enhancing Visual Token Representations for Video Large Language Models via Training-Free Spatial-Temporal Pooling and Gridding

Fuente: arXiv
Salvato in:
Dettagli Bibliografici
Autori principali: Luo, Bingjun, Wang, Tony, Chen, Hanqi, Ding, Xinpeng
Natura: Preprint
Pubblicazione: 2026
Soggetti:
Accesso online:
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!