图像生成

ResTok: Learning Hierarchical Residuals in 1D Visual Tokenizers for Autoregressive Image Generation

ResTok: 在1D视觉分词器中学习层次化残差以实现自回归图像生成

Xu Zhang, Cheng Da, Huan Yang, Kun Gai, Ming Lu, Zhan Ma

机构 * Vision Lab, Nanjing University（南京大学视觉实验室） ； Kolors Team, Kuaishou Technology（快手技术Kolors团队） 纠错

专题命中 可控生成 ：image generation(title,abstract)；分类 cs.CV

AI总结 ResTok通过引入层次化残差机制提升自回归图像生成效果，实现更高效的潜在分布建模与生成过程。

Comments Technical report

Semantic Belief-State World Model for 3D Human Motion Prediction

语义信念状态世界模型用于3D人体运动预测

Sarim Chaudhry

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出语义信念状态世界模型，通过将人体视为世界模型状态空间的一部分，实现更稳定的长期运动预测与模拟。