因子化向量量化提升离散视觉token语义保真度

2026年10月28日，arXiv Computer Vision 刊出 Jialv Zou 等作者的论文，讨论离散 token 能否作为视觉信号的语义无损表示。论文质疑“量化误差必然导致语义损失”这一常见假设，发现量化误差更大的离散表示反而能取得更好的多模态理解效果，有效比特预算才是下游表现的关键因素。为此，作者提出 Factorized Vector Quantization：用对称并行码本量化视觉特征的互补固定维度视图，在更大比特预算下持续提升，最终在多模态理解上追平连续视觉表示。目前事件进展停留在论文发布与方法提出阶段，尚无后续跟进报道。

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。