VTok: A Unified Video Tokenizer with Decoupled Spatial-Temporal Latents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Feng, Shi, Yichun, Yang, Ceyuan, Guo, Qiushan, Sun, Jingxiang, Yuille, Alan, Wang, Peng
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2602.04202