MiniMax 的视频向来很顶，但技术上一直是个黑盒刚刚，海螺团队第一次自揭面纱，带来了首个开源项目：VTPVisual Tokenizer Pre-trainingVTP 这东西非常有趣：搞图像、视频生成的团队，或都能因此受益Tech Report先做个信息铺垫，现在主流的 AI ...

在大模型语境里，“Scaling Law”几乎天然只属于主模型——参数更大、数据更多、算力更猛，性能就该继续往上走。至于Tokenizer，则长期被视作一个“前置模块”，主打一个够用就行，做完重建任务就退场。

AI视觉生成领域迎来范式级突破。MiniMax与华中科技大学近日联合开源其核心技术——VTP（Visual Tokenizer Pretraining，视觉分词器预训练），在不修改标准DiT (Diffusion Transformer)架构的前提下，仅通过优化视觉分词器 (Visual ...

总的来说，这项由华中科技大学和MiniMax公司合作完成的研究解决了AI绘画领域的一个根本性问题。他们的发现不仅揭示了理解能力对创作能力的重要作用，还开发出了一个真正可扩展的训练方法。VTP方法就像为AI绘画系统安装了一双更聪明的眼睛，让它不仅能看到 ...

Visual Tokenizer 下一步进化的关键在于理解世界？相比 2D 网格序列，采用 1D 序列形式的 tokenizer 更适合大规模训练？也许目前的离散 tokenizer 可能只是阶段性的过渡性方案？生成采样阶段的分布偏移，导致了「重建强 ...

没想到 MiniMax 视频团队的首次开源工作就直接挑战了业内的固有认知。长期以来，大家普遍认为：尽管视觉生成模型中的 tokenizer（也就是常说的 VAE）对 Latent Diffusion 至关重要，但对 tokenizer 本身进行扩展（比如模型规模、算力和数据量）都难以为 diffusion ...

图像生成领域迎来新突破，MiniMax海螺视频团队近日开源的视觉分词器预训练框架VTP（Visual Tokenizer ...