요약

ViQ는 이산적 시각적 토크나이저와 연속적 인코더 사이의 간극을 메우는 새로운 기술입니다. 모든 해상도에서 이미지를 이산 코드로 처리하여 멀티모달 학습 시간을 20~70%까지 단축할 수 있습니다.

핵심 포인트

• 이산적 토크나이저와 연속적 인코더 간의 간극 해소
• 모든 해상도에서 텍스트 정렬된 시각적 양자화 표현 제공
• 멀티모달 학습 시간 20~70% 단축 가능