跳到正文
arXiv · AI· Zhaoyi Liu, Haichuan Zhang, Xiaochuan Gong, Yancheng Zhu, Bowei Tian, Wanghao Ye, Yufan Zhang, Ang Li·· 9 天前AI 评分29

视觉语言模型中解耦多模态旋转位置嵌入

Disentangling Multimodal Rotary Positional Embedding in Vision-Language Models

AI 导读

研究解耦 MRoPE 中视觉内部空间结构与跨模态空间效应。实验表明跨模态空间效应提供较少空间参考收益,甚至损害性能。视觉内部空间编码对细粒度定位仍有用。

来源:arXiv · AI · arxiv.org