---
title: "可学习Token稀疏预测 (Learnable Tokens for Sparse Prediction)"
created: 2026-07-13
updated: 2026-07-13
type: concept
tags: [computer-vision, sparse-prediction, tokens]
sources:
  - arxiv:2607.09024
---

# 可学习 Token 稀疏预测

## 定义

GenCeption 中处理稀疏视觉任务（2D/3D 关键点预测）的轻量级扩展机制。通过在视频 latent 上附加可学习 token，保持与预训练 DiT 的兼容性，同时支持结构化坐标输出。

## 设计

- 附加 T 个可学习 token（每帧一个）
- 使用 DiT 的 3D RoPE，空间位置可学习，时间位置通过位置插值降采样
- 经过 DiT → MLP 解码为 K 维坐标

## 参考
- [[genception-video-vision-2026|GenCeption (ECCV 2026)]]