时序因果建模

AdapTok：在一维潜空间中学习自适应且时序因果的视频分词

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。