在圖像、視頻生成上，語言模型首次擊敗擴散模型，tokenizer是關鍵

AIGC動態歡迎閱讀

原標題：在圖像、視頻生成上，語言模型首次擊敗擴散模型，tokenizer是關鍵

關鍵字：模型,視覺,語言,視頻,本文

文章來源：機器之心

內容字數：6122字

內容摘要：機器之心報道編輯：張倩、陳萍為什么語言模型在視覺生成方面落后于擴散模型？來自谷歌、CMU 的研究表明，tokenizer 是關鍵。大型語言模型（LLM 或 LM）一開始是用來生成語言的，但隨著時間的推移，它們已經能夠生成多種模態的內容，并在音頻、語音、代碼生成、醫療應用、機器人學等領域開始占據主導地位。當然，LM 也能生成圖像和視頻。在此過程中，圖像像素會被視覺 tokenizer 映射為一系列離…

原文鏈接：點此閱讀原文：在圖像、視頻生成上，語言模型首次擊敗擴散模型，tokenizer是關鍵

聯系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業的人工智能媒體和產業服務平臺