CMU研究表明

要点:1.研究表明，在图像和视频生成领域，语言模型通过使用良好的视觉tokenizer首次击败了扩散模型，强调了tokenizer的重要性。2.传统大型语言模型（LLM）在图像生成方面一直落后于扩散模型，主要原因是缺乏有效的视觉表示。