计算机视觉领域迎来一项突破性进展——由国际科研团队开发的“球形利奇量化”技术，成功将AI图像生成的视觉词汇量提升至近20万个，使模型生成的图像质量达到接近人类专业评估标准的水平。该研究由跨机构团队联合完成，其核心创新在于运用高维几何理论重构了AI处理视觉信息的基础框架，为视觉AI的发展开辟了全新路径。
传统AI图像生成模型长期受限于“视觉词汇”的规模。现有技术通常依赖1000至1.6万个视觉单元描述图像，如同用有限色板创作复杂画作，难以精准捕捉细节与层次。研究团队通过类比指出，这种限制类似于人类仅掌握几十个单词进行交流，表达能力严重受限。突破这一瓶颈的关键，在于解决高维空间中视觉单元的最优排列问题。
科研人员从数学领域的“格子编码理论”中汲取灵感，发现传统量化方法本质上是不同维度的“座椅排列方案”，但均存在分布不均的缺陷。经过统一理论分析，团队锁定24维空间中的“利奇格子”作为解决方案。这种由数学家约翰·利奇于1967年发现的特殊点阵结构，在理论层面实现了24维空间的最优球面堆积，其第一层壳层包含196,560个精确排列的点，为构建大规模视觉词汇表提供了数学基础。
技术实现层面，研究团队将利奇格子的点投影至单位球面，形成分布均匀的视觉单元集合。每个单元间的距离达到理论最优值，确保模型能以数学上的完美结构处理视觉信息。这种设计带来三大核心优势：训练过程无需复杂参数调节，计算效率显著提升；固定词汇表结构降低内存占用；图像重建质量评估指标从1.14优化至0.83，提升幅度达27%。
在权威数据集ImageNet-1k的测试中，采用新技术的模型展现惊人表现。其生成的图像FID分数达1.82，接近1.78的人类评估基准，标志着AI创作与真实图像的界限进一步模糊。更值得关注的是，该模型成为首个使用近20万视觉词汇的生成系统，词汇规模已与前沿语言模型相当。在图像压缩任务中，新技术在Kodak标准测试中以更少存储空间实现更高重建质量，展现出跨领域应用潜力。
针对大词汇量带来的技术挑战，团队创新性地引入“d-位预测”机制。通过将每个视觉单元的坐标分解为24个9元分类任务，在保持预测精度的同时大幅简化计算。实验证实，词汇量扩张与生成质量提升呈正相关，当模型规模突破临界点后，表达能力呈现质的飞跃。对比现有技术，新方法在PSNR、SSIM、LPIPS等重建指标，以及精确度与召回率平衡性上均取得领先。
该研究的理论价值同样突出。团队证明量化方法的几何特性直接决定性能上限，通过将问题转化为密球堆积优化，首次找到该领域的理论最优解。这种从基础数学原理出发的研发思路，为后续研究提供了范式参考。目前，研究团队已公开全部代码，其高度优化的计算特性使得技术可快速应用于实际场景。
这项成果不仅推动视觉AI迈向新高度，更印证了基础理论研究对技术突破的关键作用。随着技术迭代，其在专业图像处理、视频制作等领域的应用将率先落地，后续可能向消费级产品渗透。通过构建数学与工程的桥梁，科研人员为AI理解视觉世界提供了更接近人类认知的解决方案。
