跳到正文
arXiv · 机器人与计算机视觉· Huawei Lin, Tony Geng, Zhaozhuo Xu, Weijie Zhao·· 2026-10-05AI 评分42

VTBench:评估自回归图像生成中视觉分词器的基准

VTBench: Evaluating Visual Tokenizers for Autoregressive Image Generation

AI 导读

VTBench 基准系统评估了图像重建、细节保留和文本保留三项核心任务,揭示连续变分自编码器在空间结构与语义细节上优于离散视觉分词器。该研究基于 GPT-4o 图像生成实验探讨其自回归特性,并公开代码与数据集以推动通用开源视觉分词器发展。论文已接受 AACL-IJCNLP 2026 主会收录。

来源:arXiv · 机器人与计算机视觉 · arxiv.org