李飞飞、吴佳俊团队新作：不需要卷积和GAN，更好的图像tokenizer来了

本文介绍了斯坦福大学李飞飞、吴佳俊团队提出的一种名为FlowMo的新型图像tokenizer。FlowMo通过两阶段训练策略，首先学习捕捉图像的多种可能重建结果，然后选择最接近原图的重建方案。该方法在ImageNet-1K数据集上展现了领先的重建性能，且无需使用卷积或对抗损失。FlowMo的核心创新在于其基于Transformer的扩散自编码器架构和两阶段训练策略，使其在图像tokenization任务上达到了新的性能标准。研究结果表明，FlowMo在多个比特率设置下均优于当前最先进的tokenizer，并在生成任务中表现出色。