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 ...

这种三管齐下的训练方法带来了令人惊喜的结果。研究团队发现了两个重要规律：首先，理解能力是提升创作能力的关键驱动力。当视觉标记器更好地理解了图片的含义时，它在协助AI创作新图片方面的表现也会显著提升。这就像一个真正理解音乐的指挥家，能够带领乐团演奏出更 ...

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 ...

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 ...