arXiv · 机器人与计算机视觉· Ole Bei{\ss}wenger, Jan-Niklas Dihlmann, Hendrik Lensch·· 2026-10-16AI 评分72
Image Tokenizers Should Be Trained Between Images:一种在图像码空间中间进行监督的解码器微调方法
Image Tokenizers Should Be Trained Between Images
AI 导读
论文提出 InterpTok 方法,针对潜在扩散模型中生成代码落在训练样本之间导致解码瑕疵的问题,通过在两个训练样本的混合码上进行监督微调来优化解码器。该方法利用判别器判断自然度并施加混合比例损失,在保持重构质量的同时将插值质量提升三倍以上,并将匹配扩散模型的生成 FID 从 11.61 降至 8.48(无引导),且能在更少采样步数下达到更好效果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org