KATok 自适应视频 tokenizer：丢弃冗余 token 压缩视频表征
kakaocorp · hf · 2026-09-01
KATok（Keep-or-Drop Adaptive Tokenizer） 是 Kakao 发布的自适应视频 tokenizer，基于 transformer，核心机制是选择性丢弃无信息量的 token，实现数据依赖的压缩，同时在扩散生成中保持空间一致性。
相比固定压缩比方案，KATok 让视频表征更紧凑，服务于下游的扩散模型视频生成。
「多模态」频道最新
- AI 视频以假乱真:Reddit 用户感叹已难分辨真假内容 — gouterz · 2026-10-18
- 开发者发布 Qwen-Image-2.1 宽松限制 LoRA,几乎任意姿势可生成 — metalfans · 2026-10-18
- MiniMax H3 图生视频角色替换 prompt 结构实测：六段式模板全公开 — photobombolo · 2026-10-18
- Black Forest Labs 时隔许久发新图像模型，图像编辑能力惊艳 — Xianbao_QIAN · 2026-10-18
- DeepSeek V4.1 Flash 一句话生成细节拉满的90年代中国居民楼3D场景 — zizhpan · 2026-10-18
- 开源版CapCut:Rust引擎视频编辑器Concat可被AI Agent直接控制 — techNmak · 2026-10-18