界面已本地化;技能介绍与说明文档按所选语言由 AI 自动翻译,代码、命令、路径和专业术语保留原文,以原作者文档为准。
探索技能
设计与创意 · SKILL.md

vfm-visual-tokenizer

vfm-visual-tokenizer

【设计与创意】Use frozen vision foundation models like DINOv2 and CLIP as image tokenizers for autoregressive generation. Region-adaptive quantization identifies semantically coherent areas and reduces redundancy. Achieves 256-token encoding (vs. 576), 3× AR model speedup, state-of-the-art 1.36 gFID on ImageNet while eliminating classifier-free guidance.

独立 GitHub 快照 · 自动分类 · 以原作者文档为准

Aadu2021 / skillxivNOASSERTION

技能说明

GitHub
正在从源仓库读取说明…
我的收藏