Hugging Face Daily Papers·· 2026-10-09AI 评分45
MixTok:自适应视觉分词与全局一维令牌及稀疏二维细化
MixTok: Adaptive Visual Tokenization with Global 1D Tokens and Sparse 2D Refinement
AI 导读
MixTok 是一种混合视觉分词器,结合紧凑的一维全局表示与稀疏的二维局部细化令牌。该模型通过内容自适应路由器在高分区域用二维特征替换一维恢复的空间特征,共享解码器重构图像。在 ImageNet 256×256 上,MixTok 在约 128 和 131 个内容令牌的平均预算下,分别取得 rFID 为 1.195、gFID 为 1.95 的生成与重建性能。
来源:Hugging Face Daily Papers · arxiv.org