TokenFlow
📌 核心贡献
semantic encoder+pixel encoder, semantic decoder+pixel decoder; 词表：两套codebook 但是shared mapping; 词表大小128k；理解和生成的验证时分开做的，生成用的VAR setting，其实指标没有MUSE-VL高
📖 摘要
semantic encoder+pixel encoder, semantic decoder+pixel decoder; 词表：两套codebook 但是shared mapping; 词表大小128k；理解和生成的验证时分开做的，生成用的VAR setting，其实指标没有MUSE-VL高
🔍 关键信息
| 字段 | 内容 |
|---|---|
| 机构 | ByteDance |
| 发表 | 2024-12 |
| 分类 | |
| 链接 | arXiv |
📝 我的笔记
🔗 相关论文
基于/改进自： VQGAN, CLIP 对比基线： VQGAN, CLIP, DINOv2 同方向： UniTok, TokLIP, MUSE-VL, QLIP