模型Vector Quantized Variational Autoencoder
VQ-VAE
由DeepMind于2017年提出的向量量化变分自编码器，将连续潜在表征量化映射至有限离散码本，广泛用于生成模型与序列建模
时间轴 (近 90 天)
9月5日
离散tokenization方案通常依赖VQ-VAE或VQ-GAN等量化编码器，会在图像生成过程中牺牲视觉保真度
待验证50%
9月5日
VQ-GAN在VQ-VAE基础上引入了对抗训练和感知损失（perceptual loss），成为DALL-E、Parti等模型中视觉tokenizer的技术基础
待验证50%
7月6日
逆向渲染本质上是一个病态优化问题，同一张照片可由无数种光照与材质组合生成，需要强先验约束
待验证50%
7月4日
VQ-VAE由DeepMind于2017年提出，是连接连续视觉信号与离散符号空间的关键技术
待验证50%