提出HYDRA-X,一种基于统一视觉tokenizer(HYDRA-XTOK)的原生统一多模态模型,通过高效的时空重建能力和语义蒸馏,在图像和视频理解与生成任务上取得强性能。
机构:南大
来源:arXiv 2606.13289 | AI4Papers 论文推荐平台