统一表征

VQRAE：面向多模态理解、生成与重建的表征量化自编码器

VQRAE: Representation Quantization Autoencoders for Multimodal Understanding, Generation and Reconstruction

提出用高维语义VQ码本（1536维）在统一分词器中同时输出连续语义特征和离散token，视觉研究者可借鉴其两阶段训练策略（先冻结编码器学码本，再自蒸馏联合优化）来构建兼顾理解与生成的视觉表征。