MixTok: Token hóa thị giác thích ứng với các token Global 1D và tinh chỉnh 2D thưa thớt
MixTok: Adaptive Visual Tokenization with Global 1D Tokens and Sparse 2D Refinement
Đoạn trích bài viết
Việc token hóa thị giác hiệu quả đòi hỏi sự cân bằng giữa tính cô đọng của biểu diễn với việc bảo toàn nội dung hình ảnh chi tiết.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.