arXiv 新增 · P0 · 2026-06-08

AdaTok：它和通用视觉自监督的关系在于：把离散 1D image tokenizer 的 token budget 学成内容条件输出，连接 visual tokenization、latent compression 和 AR i...

高相关；详见方法、贡献和实验边界。

AdaTok: Self-Budgeting Image Tokenization with Quality-Preserving Dynamic Tokens　arXiv 新增　原文链接

编号2606.07185 优先级P0 类别arXiv 新增会议arXiv 新增方法把离散 1D image tokenizer 的 token budget 学成内容条件输出，连接 visual tokenization、latent compression 和 AR image generation 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：把离散 1D image tokenizer 的 token budget 学成内容条件输出，连接 visual tokenization、latent compression 和 AR i... 高相关；详见方法、贡献和实验边界。

**(b) Token–rFID Pareto frontier**(b) Token–rFID Pareto frontier. Figure 1: Motivation. (a) Reconstruction quality scales non-uniformly with token length across heterogeneous samples, motivating per-instance adaptive allocation rather than a one-size-fits-all budget. (b) AdaTok lies in a favorable quality–efficiency region compared with fixed-budget baselines.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 AdaTok 的方法或实验，请结合正文精读段落一起看。

**Figureure 2 · : Framework of AdaTok**Figure 2: Framework of AdaTok. AdaTok integrates Prioritized Representation Learning (PRL) to learn hierarchical 1D tokens and an Adaptive Token Allocation (ATA) policy to autonomously select a content-adaptive token budget for each image.这张图概括 AdaTok 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

核心问题

它和通用视觉自监督的关系在于：把离散 1D image tokenizer 的 token budget 学成内容条件输出，连接 visual tokenization、latent compression 和 AR image generation。

方法拆解

把离散 1D image tokenizer 的 token budget 学成内容条件输出，连接 visual tokenization、latent compression 和 AR image generation

主要贡献

高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。