VTP用于零样本视觉表征抽取

MiniMax 开源 VTP：可扩展预训练让 Visual Tokenizer 直接提升 DiT 生成质量

一、摘要 VTP（Visual Tokenizer Pre-training）是 MiniMax（Hailuo）团队开源的视觉 tokenizer 预训练框架，面向扩散模型与 Diffusion Transformer（DiT）等下一代生成模型。项目指出传统“仅重建”的 tokenizer 训练会让...