在现有latent diffusion model的框架下，视频tokenizer的latent space对于视频生成的训练和推理速度有着决定性的作用。目前主流的视频tokenizer，比如MAGVIT-v2，采用基于3D-VAE的架构，实现在空间和时间维度

regen dit 视频tokenizer tokenize 2025-09-15 18:39  4