MIT研究人员发现，一种称为编码器或"tokenizers"的特殊神经网络具备远超预期的能力。这种技术能在不使用生成器的情况下，通过一维tokenizer和detokenizer的组合完成图像生成与编辑。

关键突破包括：

1. 一维tokenizer可将256x256像素图像压缩为仅32个数字组成的token序列
2. 每个token是12位二进制数，形成约4000个"词汇"的抽象计算机语言
3. 通过修改特定token可实现图像分辨率、模糊度、亮度等属性的精确控制

研究团队展示了三种创新应用：

• 图像转换：如将红熊猫图像转换为老虎
• 从零生成：通过随机初始化token并迭代优化来创建全新图像
• 图像修复：填补图像中被遮挡的部分

该方法避免了传统生成式模型需要的大量训练数据和时间，计算成本显著降低。纽约大学计算机科学家Saining Xie评价：“这项工作重新定义了tokenizers的角色，表明图像压缩工具实际上能完成更多任务。”

潜在应用领域包括：

• 自动驾驶汽车路径规划
• 机器人动作编码
• 其他需要高效数据压缩的计算机视觉任务

这项研究在2025年国际机器学习会议(ICML 2025)上发表，展示了现有技术组件（如CLIP模型）创新组合带来的突破性能力。