QuadTok: Quadtree Visual Tokenizer cho việc tạo hình ảnh Autoregressive

Đoạn trích bài viết

Chúng tôi giới thiệu QuadTok, một framework mới cho token hóa hình ảnh và sản xuất hình ảnh tự động. So với các cách tiếp cận truyền thống sử dụng lưới 2D hoặc chuỗi token 1D, chúng tôi đề xuất một cấu trúc bốn cây hàng bậc, làm nắp khoảng cách giữa liên kết không gian 2D và tính linh hoạt cấp độ chuỗi 1D.