浙大 MixTok 混合视觉分词器：约 131 token 达 gFID 1.95
ZhejiangUniversity · hf · 2026-10-12
浙江大学联合港科大与阿德莱德大学提出 MixTok，一种混合视觉分词器：用紧凑的一维全局表征保留整体信息，再由内容自适应路由器按精修优先级挑选高分位置，插入稀疏二维 token 恢复局部细节，并按目标平均 token 预算决定每图二维 token 数量。在 ImageNet 256×256 上，平均约 128 和 131 个内容 token 下分别取得 rFID 1.195 和 gFID 1.95，兼顾紧凑性与细粒度重建。
「多模态」频道最新
- 用户用 Kling 4.0 Flash 生成视频,猜完整版下周发布 — Kyrannio · 2026-10-12
- Lux in Music 开源项目上线,演示 YuE2 音乐模型能力 — TheMoonMidas · 2026-10-12
- 「QT Your Eye」接龙:X 千层金光 AI 眼睛图刷屏 — LudovicCreator · 2026-10-12
- 用 MiniMax H3 生成「美少女战士大战哥斯拉」动画短片 — Certain_Potato_4509 · 2026-10-12
- 用 Opus 5.5 指挥即梦 CLI 自动生成分镜,做出有质感的故事片 — op7418 · 2026-10-12
- Seedance 2.5 实拍级逼真度:网友直呼现实开始显得不真实 — SimplyAnnisa · 2026-10-12