image-video-tokenization

标签

#image-video-tokenization

HYDRA-X: 原生统一多模态模型与整体视觉分词器

Hugging Face Daily Papers ↗ · 2026-06-11 缓存

HYDRA-X 提出了一种统一的多模态模型，将图像和视频分词集成到单个视觉变换器中，在理解和生成任务上均取得了强劲性能。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈