谷歌浏览器插件
订阅小程序
在清言上使用

ViP-LLaVA: Making Large Multimodal Models Understand Arbitrary Visual Prompts

CVPR 2024(2024)

引用 109|浏览222
关键词
Visual Prompts,Large Multimodal Models,Large Language Models,Region-level Understanding,vision-language models,Visual Commonsense Reasoning,Multimodal Benchmark
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要