Efficient Architectures for High Resolution Vision-Language Models
高效高分辨率视觉-语言模型架构
机构 * INESC-ID and Instituto Superior Técnico, University of Lisbon（INESC-ID 和 里斯本大学技术学院）
AI总结 Pheye是一种高效处理高分辨率图像的视觉-语言模型架构，通过减少参数数量实现高效率和强性能，尤其在细粒度图像理解和场景文本处理任务中表现突出。
Comments Accepted at COLING 2025
