IXThinker·2025-04-04 10:20

V²Flow對齊視覺Token實現高保真圖像生成

自回歸建模正從文本擴展到視覺生成。V²Flow框架實現視覺Token與LLMs詞表的無縫對齊，基於大語言模型完成高保真自回歸圖像生成，推動視覺與文本統一於同一預測範式。

統一預測範式

自ChatGPT掀起自回歸建模浪潮後，研究者嘗試把視覺與文本數據統一至「next-token prediction」框架。實現自回歸圖像生成的關鍵，在於設計向量量化的視覺tokenizer。