VAEVQ: Enhancing Discrete Visual Tokenization through Variational Modeling
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yang, Sicheng, Hu, Xing, Wu, Qiang, Yang, Dawei |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
VQ-Seg: Vector-Quantized Token Perturbation for Semi-Supervised Medical Image Segmentation
par: Yang, Sicheng, et autres
Publié: (2026)
par: Yang, Sicheng, et autres
Publié: (2026)
Selftok: Discrete Visual Tokens of Autoregression, by Diffusion, and for Reasoning
par: Wang, Bohan, et autres
Publié: (2025)
par: Wang, Bohan, et autres
Publié: (2025)
A Comprehensive Study on Visual Token Redundancy for Discrete Diffusion-based Multimodal Large Language Models
par: Li, Duo, et autres
Publié: (2025)
par: Li, Duo, et autres
Publié: (2025)
Unified Language-Vision Pretraining in LLM with Dynamic Discrete Visual Tokenization
par: Jin, Yang, et autres
Publié: (2023)
par: Jin, Yang, et autres
Publié: (2023)
MergeTok: Unified Continuous and Discrete Visual Tokenization via Token Merging
par: Zhang, Luyuan, et autres
Publié: (2026)
par: Zhang, Luyuan, et autres
Publié: (2026)
Cubic Discrete Diffusion: Discrete Visual Generation on High-Dimensional Representation Tokens
par: Wang, Yuqing, et autres
Publié: (2026)
par: Wang, Yuqing, et autres
Publié: (2026)
Bridging Continuous and Discrete Tokens for Autoregressive Visual Generation
par: Wang, Yuqing, et autres
Publié: (2025)
par: Wang, Yuqing, et autres
Publié: (2025)
ST$^3$: Accelerating Multimodal Large Language Model by Spatial-Temporal Visual Token Trimming
par: Zhuang, Jiedong, et autres
Publié: (2024)
par: Zhuang, Jiedong, et autres
Publié: (2024)
Variational Autoencoding Discrete Diffusion with Enhanced Dimensional Correlations Modeling
par: Xie, Tianyu, et autres
Publié: (2025)
par: Xie, Tianyu, et autres
Publié: (2025)
Customizing Visual Emotion Evaluation for MLLMs: An Open-vocabulary, Multifaceted, and Scalable Approach
par: Wu, Daiqing, et autres
Publié: (2025)
par: Wu, Daiqing, et autres
Publié: (2025)
WeTok: Powerful Discrete Tokenization for High-Fidelity Visual Reconstruction
par: Zhuang, Shaobin, et autres
Publié: (2025)
par: Zhuang, Shaobin, et autres
Publié: (2025)
LLaVA-SP: Enhancing Visual Representation with Visual Spatial Tokens for MLLMs
par: Lou, Haoran, et autres
Publié: (2025)
par: Lou, Haoran, et autres
Publié: (2025)
On the Role of Discrete Tokenization in Visual Representation Learning
par: Du, Tianqi, et autres
Publié: (2024)
par: Du, Tianqi, et autres
Publié: (2024)
K-Stain: Keypoint-Driven Correspondence for H&E-to-IHC Virtual Staining
par: Yang, Sicheng, et autres
Publié: (2025)
par: Yang, Sicheng, et autres
Publié: (2025)
When Token Pruning is Worse than Random: Understanding Visual Token Information in VLLMs
par: Wang, Yahong, et autres
Publié: (2025)
par: Wang, Yahong, et autres
Publié: (2025)
Revisiting MLLM Token Technology through the Lens of Classical Visual Coding
par: Liu, Jinming, et autres
Publié: (2025)
par: Liu, Jinming, et autres
Publié: (2025)
MUSE: Resolving Manifold Misalignment in Visual Tokenization via Topological Orthogonality
par: Yang, Panqi, et autres
Publié: (2026)
par: Yang, Panqi, et autres
Publié: (2026)
TokenCarve: Information-Preserving Visual Token Compression in Multimodal Large Language Models
par: Tan, Xudong, et autres
Publié: (2025)
par: Tan, Xudong, et autres
Publié: (2025)
Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations
par: Liang, Yiwen, et autres
Publié: (2025)
par: Liang, Yiwen, et autres
Publié: (2025)
EntropyPrune: Matrix Entropy Guided Visual Token Pruning for Multimodal Large Language Models
par: Wang, Yahong, et autres
Publié: (2026)
par: Wang, Yahong, et autres
Publié: (2026)
Wave-Particle (Continuous-Discrete) Dualistic Visual Tokenization for Unified Understanding and Generation
par: Chen, Yizhu, et autres
Publié: (2025)
par: Chen, Yizhu, et autres
Publié: (2025)
A Survey of Token Compression for Efficient Multimodal Large Language Models
par: Shao, Kele, et autres
Publié: (2025)
par: Shao, Kele, et autres
Publié: (2025)
FlowCoMotion: Text-to-Motion Generation via Token-Latent Flow Modeling
par: Guan, Dawei, et autres
Publié: (2026)
par: Guan, Dawei, et autres
Publié: (2026)
HAWK: Head Importance-Aware Visual Token Pruning in Multimodal Models
par: Zhu, Qihui, et autres
Publié: (2026)
par: Zhu, Qihui, et autres
Publié: (2026)
Bridging Semantic and Kinematic Conditions with Diffusion-based Discrete Motion Tokenizer
par: Gu, Chenyang, et autres
Publié: (2026)
par: Gu, Chenyang, et autres
Publié: (2026)
Information Entropy Guided Height-aware Histogram for Quantization-friendly Pillar Feature Encoder
par: Zhou, Sifan, et autres
Publié: (2024)
par: Zhou, Sifan, et autres
Publié: (2024)
TokenPure: Watermark Removal through Tokenized Appearance and Structural Guidance
par: Yang, Pei, et autres
Publié: (2025)
par: Yang, Pei, et autres
Publié: (2025)
CoordSpeaker: Exploiting Gesture Captioning for Coordinated Caption-Empowered Co-Speech Gesture Generation
par: Fang, Fengyi, et autres
Publié: (2025)
par: Fang, Fengyi, et autres
Publié: (2025)
ToDRE: Effective Visual Token Pruning via Token Diversity and Task Relevance
par: Li, Duo, et autres
Publié: (2025)
par: Li, Duo, et autres
Publié: (2025)
Discrete JEPA: Learning Discrete Token Representations without Reconstruction
par: Baek, Junyeob, et autres
Publié: (2025)
par: Baek, Junyeob, et autres
Publié: (2025)
SegDINO: An Efficient Design for Medical and Natural Image Segmentation with DINO-V3
par: Yang, Sicheng, et autres
Publié: (2025)
par: Yang, Sicheng, et autres
Publié: (2025)
TokenFLEX: Unified VLM Training for Flexible Visual Tokens Inference
par: Hu, Junshan, et autres
Publié: (2025)
par: Hu, Junshan, et autres
Publié: (2025)
TokenSeg: Efficient 3D Medical Image Segmentation via Hierarchical Visual Token Compression
par: Zeng, Sen, et autres
Publié: (2026)
par: Zeng, Sen, et autres
Publié: (2026)
MGVQ: Synergizing Multi-dimensional Sensitivity-Aware and Gradient-Hessian Fusion for Vector Quantization
par: Wang, Zhong, et autres
Publié: (2026)
par: Wang, Zhong, et autres
Publié: (2026)
Enhancing 3D Transformer Segmentation Model for Medical Image with Token-level Representation Learning
par: Hu, Xinrong, et autres
Publié: (2024)
par: Hu, Xinrong, et autres
Publié: (2024)
Gaussian Variation Field Diffusion for High-fidelity Video-to-4D Synthesis
par: Zhang, Bowen, et autres
Publié: (2025)
par: Zhang, Bowen, et autres
Publié: (2025)
FlashVLM: Text-Guided Visual Token Selection for Large Multimodal Models
par: Cai, Kaitong, et autres
Publié: (2025)
par: Cai, Kaitong, et autres
Publié: (2025)
ReDDiT: Rehashing Noise for Discrete Visual Generation
par: Ma, Tianren, et autres
Publié: (2025)
par: Ma, Tianren, et autres
Publié: (2025)
Enhancing Visual Document Understanding with Contrastive Learning in Large Visual-Language Models
par: Li, Xin, et autres
Publié: (2024)
par: Li, Xin, et autres
Publié: (2024)
LongCat-Next: Lexicalizing Modalities as Discrete Tokens
par: Meituan LongCat Team, et autres
Publié: (2026)
par: Meituan LongCat Team, et autres
Publié: (2026)
Documents similaires
-
VQ-Seg: Vector-Quantized Token Perturbation for Semi-Supervised Medical Image Segmentation
par: Yang, Sicheng, et autres
Publié: (2026) -
Selftok: Discrete Visual Tokens of Autoregression, by Diffusion, and for Reasoning
par: Wang, Bohan, et autres
Publié: (2025) -
A Comprehensive Study on Visual Token Redundancy for Discrete Diffusion-based Multimodal Large Language Models
par: Li, Duo, et autres
Publié: (2025) -
Unified Language-Vision Pretraining in LLM with Dynamic Discrete Visual Tokenization
par: Jin, Yang, et autres
Publié: (2023) -
MergeTok: Unified Continuous and Discrete Visual Tokenization via Token Merging
par: Zhang, Luyuan, et autres
Publié: (2026)