李飞飞、吴佳俊团队新作：不需要卷积和GAN，更好的图像tokenizer来了

文章预览

点击上方“ 图灵人工智能 ”，选择“星标”公众号 您想知道的人工智能干货，第一时间送达                           版权声明 转自机器之心，版权属于原作者，用于学术分享，如有侵权留言删除  当我们看到一张猫咪照片时，大脑自然就能识别「这是一只猫」。但对计算机来说，它看到的是一个巨大的数字矩阵 —— 假设是一张 1000×1000 像素的彩色图片，实际上是一个包含 300 万个数字的数据集（1000×1000×3 个颜色通道）。每个数字代表一个像素点的颜色深浅，从 0 到 255。 为了更加高效地从成千上万张图像中学习，AI 模型需要对图片进行压缩。比如当前最先进的图像生成模型，第一步就是一个名叫  tokenization  的操作，用于执行此操作的组件叫 tokenizer。tokenizer 的主要目标是将原始图像压缩到一个更小、更易处理的潜在空间，使得生成模型 ………………………………