跳到正文
热点事件持续更新

CVQ图像标记化范式发表于NeurIPS 2026

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Wei Song等人提出通道级向量量化(CVQ)范式,以通道级token替代传统patch级,实现1D序列图像分词。该模型在2的16次方码本规模下保持95%以上利用率,证明其有效性。 基于CVQ的CAR模型在文本生成图像任务中表现优异,DPG指标达86.7,GenEval得分0.79。这一进展展示了原生1D视觉分词与可学习排序在生成任务中的优势。 最新报道确认该工作已被NeurIPS 2026正式接收。这一认可标志着CVQ范式在学术界获得重要肯定,确立了其在图像标记化领域的技术地位与影响力。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · AI
    CVQ:原生 1D 视觉分词与可学习排序

    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。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。