ViP_Bench

書いてみる

関連タグ

#プロンプト (11,443)
#モデル (14,435)
#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 (8)
#研究 (36,894)

Making Large Multimodal Models Understand Arbitrary Visual Prompts

Ikemen Mas Kot
6か月前