会员服务
VoQA: Visual-only Question Answering
Arxiv
0+阅读 · 11月30日
It Hears, It Sees too: Multi-Modal LLM for Depression Detection By Integrating Visual Understanding into Audio Language Models
Arxiv
0+阅读 · 12月11日
It Hears, It Sees too: Multi-Modal LLM for Depression Detection By Integrating Visual Understanding into Audio Language Models
Arxiv
0+阅读 · 11月25日
TextRegion: Text-Aligned Region Tokens from Frozen Image-Text Models
Arxiv
0+阅读 · 11月6日
EMMA: Efficient Multimodal Understanding, Generation, and Editing with a Unified Architecture
Arxiv
0+阅读 · 12月15日
Segment Everything Everywhere All at Once
Arxiv
0+阅读 · 2023年5月1日
Token Turing Machines
Arxiv
0+阅读 · 2023年4月13日
Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings
Arxiv
0+阅读 · 2023年3月30日
参考链接
微信扫码咨询专知VIP会员
Top