Tag: Visual Encoder

All the papers with the tag "Visual Encoder".

• Rethinking Visual Layer Selection in Multimodal LLMs

  grok-3-latest

  Score: 0.87

  Published:2025年5月1日 at  at 15:51

  #Multimodal LLM, #Visual Encoder, #Feature Fusion, #Layer Selection, #Task Performance

  本文通过层级表示相似性分析系统研究 CLIP-ViT 视觉层级特征差异，并提出轻量级融合策略，显著提升多模态大语言模型在多样化任务上的性能。