KVAE: Family of Tokenizers for Multimodal Generative Models
KVAE：多模态生成模型的令牌化器家族
🧭 多模态连续潜在tokenizer设计
Kandinsky Lab
提出音频、图像、视频的连续潜在tokenizer，重建和生成质量匹敌前沿开源模型
📌 工作参考价值（4 点）
- 主要是多模态生成的基础研究，对电商搜索推荐业务直接可借鉴点有限
- 若涉及商品短视频/音频摘要或内容理解，可尝试用其压缩特征作为轻量表示，降低存储计算成本
- 潜在空间设计理念（如低帧率、全频带）可启发多模态特征提取模块的压缩率选择
- 推荐系统中的多模态内容生成（如广告创意）可将其作为潜在表示生成器的基础组件