VTPは線形プローブの下流タスクに使用されます

MiniMaxオープンソースVTP:スケーラブルな事前学習により、Visual TokenizerはDiT生成の品質を直接向上させることができます

1. Abstract VTP(Visual Tokenizer Pre-training)は、MiniMax(Hailuo)チームによって開発されたオープンソースのビジュアルトークナイザー事前学習フレームワークで、拡散モデルや拡散トランスフォーマー(DiT)などの次世代生成モデルを対象としています...