OCRベンチマーク

書いてみる

関連タグ

#タスク (8,972)
#モデル (16,706)
#多解像度 (1)
#性能 (1,417)
#指導チューニング (1)
#視覚 (1,740)

ConvLLaVA: Hierarchical Backbones as Visual Encoder for Large Multimodal Models

Ikemen Mas Kot
8か月前