视觉Token无缝对齐LLMs词表！V²Flow：基于LLMs实现高保真自回归图像生成
V²Flow tokenizer通过设计视觉词汇重采样器、掩码自回归流匹配编码器等模块，解决了传统视觉tokenizer与LLM词表不兼容的问题，实现了高质量图像重建与文本-图像对生成。相比TiTok等方法，V²Flow在更少token下实现更高重建质量，并支持高清图像生成。实验表明其在文本引导图像生成任务中表现出色。此外，V²Flow框架已开源，团队正开发更高分辨率模型及多模态工具包，并招募实习生共同探索多模态生成技术。来源：https://mp.weixin.qq.com/s/Ys6zpbUkMcSRbnRMUnwFZQ
页:
[1]