跳到正文
arXiv · 机器人与计算机视觉· Wei Song, Tianhang Wang, Yitong Chen, Tong Zhang, Zuxuan Wu, Min Li, Jiaqi Wang, Kaicheng Yu·· 5 小时前AI 评分72

通道级向量量化:原生一维视觉分词与可学习排序

Channel-wise Vector Quantization: Native 1D Visual Tokenization with Learnable Ordering

AI 导读

本文提出了通道级向量量化(CVQ),一种将特征图按通道而非图块进行量化的新型图像分词范式,并构建了基于“下一通道预测”的通道自回归(CAR)框架。实验表明,该方法在代码库利用率上表现优异,且生成的图像在 DPG 和 GenEval 指标上均达到较高水平。

来源:arXiv · 机器人与计算机视觉 · arxiv.org