谷歌与CMU合作研究：大语言模型击败扩散模型，视频图像生成双SOTA，北大校友担任一作

欢迎阅读AIGC动态

原标题：大型语言模型击败传统扩散模型！视频和图像生成双SOTA，最新研究由谷歌CMU团队完成，主要作者是北大校友。

关键词：模型、视觉、语言、分词、人工智能

文章来源：量子位

内容字数：2561字

内容摘要：最新来自凹非寺量子位发布的消息称，语言模型在视频和图像生成领域取得双重SOTA成果，击败了传统的扩散模型。这一突破性研究来自谷歌CMU团队，首次在标志性的ImageNet基准上战胜了扩散模型。新研究的关键组件是视觉分词器（video tokenizer），它能够将图像的像素空间输入映射为适合大型语言模型学习的token。谷歌CMU研究团队提出了MAGVIT-v2，在另外两项任务中也取得了新的突破…

原文链接：请点击此处阅读原文：大语言模型击败扩散模型！视频图像生成双SOTA，谷歌CMU最新研究，一作北大校友

联系作者

文章来源：量子位

作者微信：QbitAI

作者简介：跟踪人工智能领域的最新趋势，关注科技行业的新突破