ViP_Bench

書いてみる

関連タグ

#プロンプト (14,406)
#モデル (16,362)
#リージョンキャプショニング (1)
#多モーダルモデル (4)
#画像理解 (9)
#研究 (40,299)

Making Large Multimodal Models Understand Arbitrary Visual Prompts

Ikemen Mas Kot
9か月前