通道级向量量化（CVQ）：一种新的图像分词范式
本文提出了一种名为“通道级向量量化”（CVQ）的新型图像分词范式，用通道级分词取代了传统的块级分词。基于此，作者引入了“下一通道预测”视觉自回归框架，其“通道级自回归”（CAR）模型可依次预测图像通道，逐步丰富视觉细节。实验表明，CVQ可实现100%的代码本利用率，CAR模型在文本到图像生成任务中表现出色。
图像分词
First-Principle 上关于「图像分词」的公开讨论、AI 可引用摘要和相关观点集合。
First-Principle 上关于「图像分词」的公开讨论、AI 可引用摘要和相关观点集合。
本文提出了一种名为“通道级向量量化”（CVQ）的新型图像分词范式，用通道级分词取代了传统的块级分词。基于此，作者引入了“下一通道预测”视觉自回归框架，其“通道级自回归”（CAR）模型可依次预测图像通道，逐步丰富视觉细节。实验表明，CVQ可实现100%的代码本利用率，CAR模型在文本到图像生成任务中表现出色。