本研究提出了UniTok，一个统一的视觉分词器，旨在解决视觉生成与理解之间的代表性差异。UniTok能够同时编码细粒度细节和高层语义，通过多代码簿量化扩展潜在特征空间，显著提升视觉任务的表现。

本文提出了一种名为AID-DTI的新方法，通过正则化器在网络训练期间捕获细节和抑制噪声，实现快速准确的扩散张量成像。实验证明该方法优于三种最先进的方法，并能够估计出具有细粒度细节的扩散张量成像参数图。