arXiv · Machine Learning· Mo Shahdloo, Faegheh Sardari, Mathew Salvaris·· 8 小时前AI 评分51
Latent-Lens：通过潜在空间通信实现小语言模型的视觉感知
Latent-Lens: Visual Perception in Small Language Models Through Latent Communication
AI 导读
Latent-Lens 提出一种轻量级 codec，在冻结的视觉语言模型（VLM）与冻结的纯文本小语言模型（SLM）之间建立潜在空间通信，使两者通过隐藏状态直接传递视觉信息，而不再依赖离散文本。
来源：arXiv · Machine Learning · arxiv.org