会员服务
PixLore: A Dataset-driven Approach to Rich Image Captioning
Arxiv
0+阅读 · 10月23日
Enhancing Journalism with AI: A Study of Contextualized Image Captioning for News Articles using LLMs and LMMs
Arxiv
0+阅读 · 8月8日
Hyperbolic Learning with Multimodal Large Language Models
Arxiv
0+阅读 · 8月9日
INS-MMBench: A Comprehensive Benchmark for Evaluating LVLMs' Performance in Insurance
Arxiv
0+阅读 · 6月13日
Balancing Performance and Efficiency in Zero-shot Robotic Navigation
Arxiv
0+阅读 · 6月5日
Naming, Describing, and Quantifying Visual Objects in Humans and LLMs
Arxiv
0+阅读 · 6月4日
MyVLM: Personalizing VLMs for User-Specific Queries
Arxiv
0+阅读 · 3月21日
ChatGPT as a mapping assistant: A novel method to enrich maps with generative AI and content derived from street-level photographs
Arxiv
0+阅读 · 3月15日
Naming, Describing, and Quantifying Visual Objects in Humans and LLMs
Arxiv
0+阅读 · 3月13日
GPT-4V(ision) is a Generalist Web Agent, if Grounded
Arxiv
0+阅读 · 3月12日
Naming, Describing, and Quantifying Visual Objects in Humans and LLMs
Arxiv
0+阅读 · 3月11日
Referee Can Play: An Alternative Approach to Conditional Generation via Model Inversion
Arxiv
0+阅读 · 2月26日
Expedited Training of Visual Conditioned Language Generation via Redundancy Reduction
Arxiv
0+阅读 · 2月21日
Understanding News Thumbnail Representativeness by Counterfactual Text-Guided Contrastive Language-Image Pretraining
Arxiv
0+阅读 · 2月21日
GPT-4V(ision) is a Generalist Web Agent, if Grounded
Arxiv
0+阅读 · 1月3日
参考链接
微信扫码咨询专知VIP会员
Top