English(EN) KVAE: Family of Tokenizers for Multimodal Generative Models

新的KVAE分词器增强了多模态生成模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-07 04:00

研究人员推出KVAE，这是一族用于多模态生成模型的分词器，包括专门用于音频、3D视频和2D图像的模型。这些分词器旨在提高文本条件生成任务的学习速度和样本质量。据报道，KVAE模型在各种客观和主观指标上，其性能与现有的开源分词器相当或更优，并且训练细节和代码已公开提供。 AI

影响引入了新的分词方法，可能提高多模态生成AI的效率和质量。

排序理由详细介绍新模型架构和性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Andrey Shutkin, Denis Parkhomenko, Ivan Kirillov, Kirill Chernyshev, Kirill Malakhov, Ilia Vasiliev, Ilia Trushkin, Valeriya Kobenko, David Chikovani, Alexander Ivanov, Azat Saginbaev, Egor Silvestrov, Ivan Mikheev, Konstantin Zakharov · 2026-08-07 04:00

KVAE：面向多模态生成模型的标记器家族

arXiv:2608.05798v1 Announce Type: cross Abstract: Latent diffusion modeling (LDM), a prominent paradigm, utilizes tokenizers to map input signal to compressed representation. This dependency positions tokenizer as an integral part of generation process itself, since it affects le…