【摘要】论文简述 图像理解着重深度的语义，图像生成着重细节的纹理，像素，两者先天不相容。DualToken通过ViT天生自带的分层来生成两套token，实现了一个模型既能生成图像又能理解图像。 正文 依旧非常长的论文题目，依旧底部给arxiv链接 话说主包一直很喜欢看毕导，漫士沉思录，小Lin说这种风格的科 阅读全文