InsightTok

InsightTok 是一个面向自回归图像生成的离散视觉令牌化器，旨在提升文本内容与人脸细节在压缩表示中的保真度。其核心通过局部化、内容感知的感知监督机制优化重建目标，在16×下采样和16,384词表规模下显著改善文本可读性与面部结构还原能力；兼容标准VQGAN训练流程，无需修改下游生成模型架构。适用于对文字识别（如Logo、海报）、身份敏感人脸生成（如虚拟人、证件照合成）等高保真需求场景的图像生成系统。