本研究提出了一种模块化视觉对比解码（MVCD）框架，旨在提升大型语言模型（LLMs）在多模态任务中的表现。MVCD通过利用LLMs的上下文学习能力，有效提高了视觉感知能力和模型准确性，展现出重要的应用潜力。

Enhancing Visual Capabilities of Language Models: Visual Contrastive Decoding for Multimodal Reasoning in Large Language Models
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证