跳到正文
arXiv · AI· Ruilin Gong, Hao Gong·· 2026-10-14AI 评分23

RUNG:通过从文本到像素的渐进精化制作视觉低码率语言代码

Making Language the Low-Rate Code of Vision: Successive Refinement from Words to Pixels

AI 导读

论文提出视觉编码模型 RUNG,将图像描述与生成视为变码率逐次精化过程。通过语言优先排序,前缀-文本信息量提升 2.9 倍,GenEval 基准从 0.76 提升至 0.83。RUNG-XL (3.4B) 模型在 32 次网络评估下实现 0.88 GenEval 和 87.6 DPG-Bench,支持无逆算图像编辑。

来源:arXiv · AI · arxiv.org