GigaTok – 港大联合字节推出用于自回归图像生成的视觉分词器

GigaTok 是用于自回归 图像生成 的视觉分词器，参数量达 30 亿。通过语义正则化技术，将分词器特征与预训练视觉编码器（如 DINOv2）的语义特征对齐，有效约束潜在空间复杂度，解决了视觉分词器在扩展时重建质量与生成质量之间的矛盾。GigaTok 采用了一维分词器架构以提高可扩展性，优先扩展解码器以高效分配计算资源，引入熵损失来稳定大规模模型的训练。

官网：https://github.com/SilentView/GigaTok

立即打开官网