논문해외
Reviso: Not All Visual Evidence Deserves Equal Attention in Video Captioning
HF Daily Papers
Multimodal large language models (MLLMs) can generate detailed video captions, yet they may overemphasize minor details while overlooking essential context and key events.
원문의 저작권은 HF Daily Papers에 있습니다. 위 발췌는 원문 확인을 돕기 위한 짧은 인용입니다.