浙大 MixTok 混合视觉分词器：约 131 token 达 gFID 1.95

浙江大学联合港科大与阿德莱德大学提出 MixTok 混合视觉分词器，用紧凑的一维全局表征保留整体信息，再由内容自适应路由器按精修优先级挑选高分位置、插入稀疏二维 token 恢复局部细节。在 ImageNet 256×256 上，平均约 128 和 131 个内容 token 下分别取得 rFID 1.195 和 gFID 1.95。每图的二维 token 数量由目标平均 token 预算决定。