arXiv cs.CV· Mikhail Dereviannykh, Vikram Voleti, Simon Donne, Mallikarjun Byrasandra Ramalinga Reddy, Shimon Vainer, Mark Boss·· 4 小时前AI 评分36
SemanTok：为高效自回归视频生成提供可预测的语义 Token
SemanTok: Predictable Semantic Tokens for Efficient Autoregressive Video Generation
AI 导读
SemanTok 是一种灵活视频 tokenizer，编码器接收冻结的 DINO 特征，并用轻量 head 从每个保留的 token 前缀单独重建它们。201M 的 SemanTok AR 模型可匹敌或超越 3.4 倍规模的 VideoFlexTok AR 模型，更大模型进一步提升保真度。
来源：arXiv cs.CV · arxiv.org