IXThinker·2025-03-21 22:50

李飛飛團隊新tokenizer 棄卷積與GAN

電腦眼中的圖片只是龐大數字矩陣，生成模型的第一步是以tokenizer將圖像壓縮至更易處理的潛在空間。李飛飛、吳佳俊團隊提出新型圖像tokenizer，毋須卷積與GAN，取得更佳的圖像生成基礎效果。

圖像即數字矩陣

人類一眼認出貓咪照片，電腦看到的卻是巨量數值：一張1000×1000像素的彩色圖片，實為含300萬個數字的數據集，每個數字代表像素顏色深淺，介乎0至255之間。