本研究提出了SemHiTok，一种通过语义引导的层次化代码本实现的统一图像标记器，旨在解决多模态理解和生成中的训练挑战。该方法有效平衡了低级纹理特征与高级语义特征的提取，实验结果显示在256X256分辨率下达到了先进的rFID得分。

本研究提出了一种基于离散小波变换的新方法，克服了现有图像标记器在自回归建模中的不足，增强了多尺度图像生成和上采样能力。

本研究提出了一种新的分组球面量化（GSQ）方法，解决了图像标记器在可扩展性和分析全面性上的不足。GSQ-GAN在较少的训练迭代中实现了优越的重建质量，展现了高维隐空间的有效压缩与重构能力。