VTBench：视觉分词器评测基准发布

研究者发布 VTBench，一个系统评估视觉分词器（VT）的基准，覆盖图像重建、细节保留和文本保留三项核心任务。评估发现，连续 VAE 的视觉表征优于离散 VT，后者常导致重建失真、细粒度纹理丢失以及文本和物体完整性受损。 团队还对 GPT-4o 图像生成进行实验，并讨论其潜在的自回归特性。基准与代码已公开，作者呼吁社区开发强大、通用的开源 VT。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。