Hugging Face Daily Papers·· 2026-09-30AI 评分54
SemanTok:用于高效自回归视频生成的可预测语义令牌
SemanTok: Predictable Semantic Tokens for Efficient Autoregressive Video Generation
AI 导读
论文介绍 SemanTok,一种将冻结 DINO 特征输入编码器并添加轻量级头部的灵活视频分词器。该方法在每一层自回归模型规模下均实现高语义对齐和视频保真度,2.01 亿参数的模型即可匹敌或超越大 3.4 倍的 VideoFlexTok 模型。
来源:Hugging Face Daily Papers · arxiv.org