字节跳动携手港大与华中科技大学推出UniTok,革新视觉分词技术
近日,字节跳动联合香港大学和华中科技大学共同推出了全新的视觉分词器 UniTok。这款工具不仅能在视觉生成和理解任务中发挥作用,还在技术上进行了重要创新,解决了传统分词器在细节捕捉与语义理解之间的矛盾。UniTok 采用了多码本量化技术,能够将图像特征分割成多个小块,并用独立的子码本进行量化。这种方法极大地提升了视觉 token 的表示能力,使得处理图像时能够更加精细。比如,UniTok 在 ImageNet 数据集上的零样本分类准确率达到了78.6%,而图像重建质量也仅为0.38,远超现有