KVAE：多模态生成模型的分词器系列
隐扩散模型依赖分词器将输入信号映射为压缩表示，分词器直接影响学习速度、合成质量并为后续应用奠定基础。本报告提出了KVAE系列分词器，包括KVAE-Audio（48kHz全频段连续分词器，64通道）和KVAE-3D（两种因果视频分词器）等。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。
隐扩散模型依赖分词器将输入信号映射为压缩表示，分词器直接影响学习速度、合成质量并为后续应用奠定基础。本报告提出了KVAE系列分词器，包括KVAE-Audio（48kHz全频段连续分词器，64通道）和KVAE-3D（两种因果视频分词器）等。
查看原文