离散视觉-token-化

Token 化使多模态大语言模型能够理解、生成与编辑建筑平面图

Tokenization Allows Multimodal Large Language Models to Understand, Generate and Edit Architectural Floor Plans

把房间实例离散化为 token 并入语言模型词表，使 MLLM 能像生成文本一样自回归地生成与编辑结构化布局；这套「实例级离散 token + 多模态对齐」的做法可迁移到任何需要输出结构化几何（场景图、矢量图元、版面）的视觉生成任务。