Tag · 2 篇
下一词预测
分布 视觉语言模型1生成模型与扩散1
01 02
SAMTok：用两个词表示任意掩码
SAMTok: Representing Any Mask with Two Words
把任意区域掩码离散化为两个 token，使基础 MLLM 无需改架构、无需专用分割解码器即可用标准下一词预测和 RL 获得像素级理解与生成能力；做区域级 VLM、grounding 或交互式分割的工作可直接复用该掩码分词方案与文本答案匹配奖励。
OmniLottie：通过参数化 Lottie 分词器生成矢量动画
OmniLottie: Generating Vector Animations via Parameterized Lottie Tokens
将 Lottie 矢量动画参数化为函数调用序列，并借助预训练视觉语言模型以多模态指令（文本、图像、视频）为条件进行生成，为矢量图形与动画生成提供了可复用的表示与训练范式。