multimodal

泡泡茶壶_ovo4 天前
llms·multimodal
RETHINKING VISUAL INFORMATION PROCESSING IN MULTIMODAL LLMS研究方向：Image Captioning本文提出了LLaViT，一种扩展的视觉Transformer，它通过三个关键修改使LLM能够同时充当视觉编码器：
我是有底线的