跳至内容

pchao.org

VideoFlexTok

SemanTok:面向高效自回归视频生成的可预测语义token

3 10 月, 2026 作者 PengChao
解码器对齐漏洞

SemanTok 在灵活视频分词器上加入冻结 DINO 的编码器输入与前缀级语义头,让短 token 前缀先锁定片段语义,从而用更小的自回归模型达到更高生成保真与对齐。

分类 CVPR三分钟 标签 CVPR三分钟、 DINO、 SemanTok、 VideoFlexTok、 人工智能、 深度学习、 计算机视觉 发表评论
© 2026 pchao.org • Built with GeneratePress