arXiv cs.CV· Yucheng Mao, Zeyuan Chen, Xiaojun Shan, Xiang Zhang, Divyansh Srivastava, Bingnan Li, Zhuowen Tu·· 4 小时前AI 评分22
QuadTok：用于自回归图像生成的四叉树视觉分词器
QuadTok: Quadtree Visual Tokenizer for Autoregressive Image Generation
AI 导读
QuadTok 提出一种四叉树结构的视觉分词器，动态为复杂区域分配更多表征容量，在 ImageNet 上比固定 256-token 网格节省约 10% token，零样本迁移到 COCO 节省 9%，重建保真度相当。其 947M GPT 风格生成模型在 ImageNet 256×256 上取得 2.08 gFID，并支持零样本空间可控图像生成。
来源：arXiv cs.CV · arxiv.org