FVQ：离散视觉表征追平连续表示

论文作者提出因子化向量量化（FVQ）方法，用对称并行码本分别量化视觉特征的互补固定维度视图，以缓解码本增加导致的语义饱和。作者称，该方法使离散视觉 token 在多模态理解任务上追平连续表示。 作者已开源代码和模型，地址为 https://github.com/hustvl/FVQ。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。