arXiv · AI· Wei Song, Tianhang Wang, Yitong Chen, Tong Zhang, Zuxuan Wu, Min Li, Jiaqi Wang, Kaicheng Yu·· 16 小时前AI 评分30
CVQ:原生 1D 视觉分词与可学习排序
Channel-wise Vector Quantization: Native 1D Visual Tokenization with Learnable Ordering
AI 导读
提出 Channel-wise Vector Quantization (CVQ),以通道级 token 替代 patch 级,实现 1D 序列分词。 CVQ 在 $2^{16}$ 码本规模下保持 95%+ 利用率;基于此的 CAR 模型 DPG 达 86.7,GenEval 0.79。 该工作已被 NeurIPS 2026 接收,证明了其在文本生成图像任务中的有效性。
来源:arXiv · AI · arxiv.org