KVAE: Family of Tokenizers for Multimodal Generative Models

• 类型：arxiv
• 标识：2608.05798
• 链接：https://arxiv.org/abs/2608.05798
• 主分类：multimodal
• 形态：position
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：It is demonstrated that reconstruction and generation results on objective and subjective metrics matches or surpasses frontier opensource tokenizers, such as VAEs from Wan-2.2, HunyuanVideo-1.5, FLUX.2, MovieGen, StableAudio and MMAudio.
• 待LLM分类：否
• 标题中文：KVAE：面向多模态生成模型的 tokenizer 家族
• TLDR中文：在客观与主观指标上的重建和生成结果匹配或超越前沿开源 tokenizer，包括 Wan-2.2、HunyuanVideo-1.5、FLUX.2、MovieGen、StableAudio 和 MMAudio 的 VAE。
• 来源文件：
• /inbox/tom/_candidates/2026-08-08-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-09-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-10-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-08-10-agent-memory-tool-use-candidates.json
• [S2 enrich]