El nuevo conjunto de datos Square-10M mejora significativamente las capacidades de respuesta a preguntas visuales de código abierto.
― 8 minilectura
Jingqun Tang
Presentando un nuevo modelo que combina texto y diseño de manera eficiente para una mejor comprensión de documentos.
― 6 minilectura
ParGo mejora la comprensión de imágenes y texto al equilibrar vistas globales y parciales.
― 8 minilectura