כתבה
arXiv cs.AI ·
VTBench: בדיקת טקסטוריזציה ויזואלית להפקת תמונות אוטורגרסיביות
VTBench: Evaluating Visual Tokenizers for Autoregressive Image Generation
בדיקת טקסטוריזציה ויזואלית להפקת תמונות אוטורגרסיביות. המחקר מציג את VTBench, במה שמאפשרת בדיקה מקיפה של טקסטוריזציות ויזואליות. הממצאים מצביעים על יתרון של טקסטוריזציות רצפיות על פני טקסטוריזציות רצפיות.
תקציר מקורי באנגליתarXiv:2505.13439v2 Announce Type: replace-cross Abstract: Autoregressive (AR) models have recently shown strong performance in image generation, where a critical component is the visual tokenizer (VT) that maps continuous pixel inputs to discrete token sequences. The quality of the VT largely defines the upper bound of AR model performance. However, current discrete VTs fall significantly behind continuous variational autoencoders (VAEs), leading to degraded image reconstructions and poor preservation of details and text. Existing benchmarks focus on end-to-end generation quality, without isolating VT performance. To address this gap, we introduce VTBench, a comprehensive benchmark that systematically evaluates VTs across three core tasks: Image Reconstruction, Detail Preservation, and Tex
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית