Tag · 1 篇
EVATok: Adaptive Length Video Tokenization for Efficient Visual Autoregressive Generation
提出自适应视频分词器,根据视频内容动态分配词元数量,在保持重建质量的同时显著降低下游自回归生成的计算成本,为视频生成模型的高效化提供了可复用的分词与路由机制。