文字引导编辑

本文提出仅用32个一维离散 token 的高度压缩 TiTok tokenizer，无需训练额外生成模型，通过测试时梯度优化即可完成图像生成、编辑和修复任务。发现极致压缩提高了生成质量，挑战了传统“先压缩后生成”范式。