多尺度量化

PyraTok：面向视频理解与生成的语言对齐金字塔分词器

PyraTok: Language-Aligned Pyramidal Tokenizer for Video Understanding and Generation

PyraTok 把视频 VAE 的编码器特征在多个深度上用共享大码本做二值量化，并联合多尺度文本引导量化与自回归目标训练，可直接替换现有视频生成/理解管线中的离散分词器，提升跨模态对齐与零样本下游迁移。