MANZANO: A Simple and Scalable Unified Multimodal Model with a Hybrid Vision Tokenizer

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Li, Yanghao, Qian, Rui, Pan, Bowen, Zhang, Haotian, Huang, Haoshuo, Zhang, Bowen, Tong, Jialing, You, Haoxuan, Du, Xianzhi, Gan, Zhe, Kim, Hyunjik, Jia, Chao, Wang, Zhenbang, Yang, Yinfei, Gao, Mingfei, Dou, Zi-Yi, Hu, Wenze, Gao, Chang, Li, Dongxu, Dufter, Philipp, Wang, Zirui, Yin, Guoli, Zhang, Zhengdong, Chen, Chen, Zhao, Yang, Pang, Ruoming, Chen, Zhifeng
Format:	Preprint
Publié:	2025
Sujets:	Computer Vision and Pattern Recognition Computation and Language Machine Learning
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Internet

https://arxiv.org/abs/2509.16197