大語言模型擊敗擴散模型！視頻圖像生成雙SOTA，谷歌CMU最新研究，一作北大校友

AIGC動態(tài)歡迎閱讀

原標題：大語言模型擊敗擴散模型！視頻圖像生成雙SOTA，谷歌CMU最新研究，一作北大校友

關(guān)鍵字：模型,視覺,語言,分詞,人工智能

文章來源：量子位

內(nèi)容字數(shù)：2561字

內(nèi)容摘要：白交 發(fā)自 凹非寺量子位 | 公眾號 QbitAI語言模型擊敗擴散模型，在視頻和圖像生成上實現(xiàn)雙SOTA！這是來自谷歌CMU最新研究成果。據(jù)介紹，這是語言模型第一次在標志性的ImageNet基準上擊敗擴散模型。而背后的關(guān)鍵組件在于視覺分詞器（video tokenizer） ，它能將像素空間輸入映射為適合LLM學(xué)習(xí)的token。谷歌CMU研究團隊提出了MAGVIT-v2，在另外兩項任務(wù)中超越了之前…

原文鏈接：點此閱讀原文：大語言模型擊敗擴散模型！視頻圖像生成雙SOTA，谷歌CMU最新研究，一作北大校友

聯(lián)系作者

文章來源：量子位

作者微信：QbitAI

作者簡介：追蹤人工智能新趨勢，關(guān)注科技行業(yè)新突破