语言模型首次战胜扩散模型在图像和视频生成中，tokenizer关键性作用凸显

AIGC动态欢迎阅读

原标题：在图像、视频生成上，语言模型首次击败扩散模型，tokenizer是关键

关键词：模型, 视觉, 语言, 视频, 本文

文章来源：机器之心

内容字数：6122字

内容摘要：机器之心报道编辑：张倩、陈萍。为何语言模型在视觉生成方面落后于扩散模型？来自谷歌、CMU的研究表明，tokenizer是关键。大型语言模型（LLM或LM）最初用于生成文本，然而随着时间的推移，它们已能够生成多种模态内容，在音频、语音、代码生成、医疗应用、机器人学等领域逐渐占据主导地位。当然，LM也能够生成图像和视频。在这一过程中，图像像素被视觉tokenizer映射为一系列离散符…

原文链接：请点击此处阅读原文：在图像、视频生成上，语言模型首次击败扩散模型，tokenizer是关键

联系作者

文章来源：机器之心

作者微信：almosthuman2014

作者简介：专业人工智能媒体和产业服务平台