标签：Variable Vision Position Embedding (V2PE)

清华大学、香港大学和上海AI Lab联合提出V2PE：突破视觉-语言多模态大模型长上下文瓶颈 机器之心的AIxiv专栏一直致力于发布前沿的学术和技术，过去几年已报道了超过2000篇来自全球顶尖高校和企业的研究成果。为了进一步促进学术交流与传播，我们诚邀各位学者和研究人员投稿或联系报道，邮箱为liyazhou@jiqizhixin.com和zhaoyunfeng@jiqizhixin.com。 本文由葛俊岐（清华大学本科生）、陈子熠（清华大学本科生）、林锦涛（香港大学博士生）和祝金国（上海AI Lab青年研究员）共同撰写，通讯作者是朱锡洲，他的研究方向包括视...