Tag · 1 篇
AdapTok: Learning Adaptive and Temporally Causal Video Tokenization in a 1D Latent Space
提出一种内容感知的视频分词器,通过块因果评分器和整数线性规划在总预算内动态分配每帧词元数,可直接用于视频生成模型的前端,提升词元效率与重建质量。