历史背景与研究说明
VQ-VAE 学习离散 codebook，将高维输入压缩成可组合的离散表示。DALL·E、VQGAN 与多种 autoregressive image model 都继承了“视觉 token”思路。
日期与版本记录
节点标注日期：2017 · 研究母版原记日期：2017
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
01
出处、翻译与核验状态
档案节点 #058 · 历史节点
研究母版与补充出处 · 1
AI 艺术谱系研究母版 · p. 18 · 058
原记日期: 2017
神经离散表征学习：VQ-VAE ↗
Neural Discrete Representation Learning
站内说明据母版译编，非外链全文译本；AI 辅助翻译，待人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 神经离散表征学习：VQ-VAE. 艺术史节点 #058. https://salondesrefuses.cn/zh/art-history/058
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。