Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 4 января 2026 (v1), последний пересмотренный 26 октября 2026 года (эта версия, v2)) Заголовок: Совершенствование гибких токенизаторов для авторегрессивного просмотра изображений PDF HTML (экспериментальное) Резюме: Flexible Simplication chargetings имеет целью представить изображение с использованием заказанного символического знака 1D. Такая гибкая символика, как правило, достигается путем отсеивания из гнезда, когда часть прогонных жетонов случайно усеивается во время тренировок и изображение восстанавливается с использованием оставшейся предыдущей последовательности. Однако эта стратегия хвостовой транквилизации по своей сути концентрирует информацию об образе в ранних символах, ограничивая эффективность создания изображения на выходе из системы AutoRegressive (AR) по мере увеличения длины символа. Чтобы преодолеть эти ограничения, мы предлагаем лёгкий символизатор с underline {R}dundant \underleine {Tok}en Padding and Hierarchical Semanic Regulation, предназначенный для полного использования всех символов усовершенствованного скрытого моделирования. В частности, мы введем текст f (Redundant Token Padding) для более частого активации знаков хвоста, что позволит уменьшить концентрацию информации в ранних жетонах. Кроме того, мы применяем текст bf {иерархическо-семантическое регулирование} для приведения декодирующих характеристик ранее созданных символов в соответствие с теми из них, которые…
Совершенствование гибких токенеров изображения для авторегрессивного создания изображений
arXiv: 2601.01535v2 Annuales Type: заменить резюме: Гибкие символы изображения направлены на изображение с использованием заказанного символа переменной длины 1D. Такая гибкая символика, как правило, достигается путем отсеивания из гнезда, когда часть прогонных жетонов случайно усеивается во время тренировок и изображение восстанавливается с использованием оставшейся предыдущей последовательности. Однако эта стратегия хвостовой транквилизации по своей сути концентрирует информацию об образе в ранних символах, ограничивая эффективность создания изображения на выходе из системы AutoRegressive (AR) по мере увеличения длины символа. Чтобы преодолеть эти ограничения, мы предлагаем лёгкий символизатор с underline {R}dundant \underleine {Tok}en Padding and Hierarchical Semanic Regulation, предназначенный для полного использования всех символов усовершенствованного скрытого моделирования. В частности, мы вводим текст f для более частой активации символов хвоста, тем самым уменьшая концентрацию информации в раннем жетоне.