本文提出了分层量化变分自动编码器（HQ-VAE）和鲁棒生成模型（RVQ-VAE），有效解决了分层 VQ-VAE 的层级坍塌问题，提升了重建性能。通过动态量化和在线聚类学习，改进了图像生成质量，并在视觉和语音任务中展示了其优势。