**MixTok：结合全局1D与稀疏2D的自适应视觉分词器**

_MixTok: Adaptive Visual Tokenization with Global 1D Tokens and Sparse 2D Refinement_

> MixTok提出了一种混合视觉分词架构，通过内容自适应路由器结合紧凑的1D全局表示与稀疏2D局部细化，以平衡表示紧凑性与细节保留。在ImageNet 256x256上，该方法在约128个内容token预算下实现了rFID 1.195和gFID 1.95的优异重建与生成性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.13181)