計算機視覺領域迎來一項突破性進展——由國際科研團隊開發的“球形利奇量化”技術，成功將AI圖像生成的視覺詞匯量提升至近20萬個，使模型生成的圖像質量達到接近人類專業評估標準的水平。該研究由跨機構團隊聯合完成，其核心創新在于運用高維幾何理論重構了AI處理視覺信息的基礎框架，為視覺AI的發展開辟了全新路徑。

傳統AI圖像生成模型長期受限于“視覺詞匯”的規模。現有技術通常依賴1000至1.6萬個視覺單元描述圖像，如同用有限色板創作復雜畫作，難以精準捕捉細節與層次。研究團隊通過類比指出，這種限制類似于人類僅掌握幾十個單詞進行交流，表達能力嚴重受限。突破這一瓶頸的關鍵，在于解決高維空間中視覺單元的最優排列問題。

科研人員從數學領域的“格子編碼理論”中汲取靈感，發現傳統量化方法本質上是不同維度的“座椅排列方案”，但均存在分布不均的缺陷。經過統一理論分析，團隊鎖定24維空間中的“利奇格子”作為解決方案。這種由數學家約翰·利奇于1967年發現的特殊點陣結構，在理論層面實現了24維空間的最優球面堆積，其第一層殼層包含196,560個精確排列的點，為構建大規模視覺詞匯表提供了數學基礎。

技術實現層面，研究團隊將利奇格子的點投影至單位球面，形成分布均勻的視覺單元集合。每個單元間的距離達到理論最優值，確保模型能以數學上的完美結構處理視覺信息。這種設計帶來三大核心優勢：訓練過程無需復雜參數調節，計算效率顯著提升；固定詞匯表結構降低內存占用；圖像重建質量評估指標從1.14優化至0.83，提升幅度達27%。

在權威數據集ImageNet-1k的測試中，采用新技術的模型展現驚人表現。其生成的圖像FID分數達1.82，接近1.78的人類評估基準，標志著AI創作與真實圖像的界限進一步模糊。更值得關注的是，該模型成為首個使用近20萬視覺詞匯的生成系統，詞匯規模已與前沿語言模型相當。在圖像壓縮任務中，新技術在Kodak標準測試中以更少存儲空間實現更高重建質量，展現出跨領域應用潛力。

針對大詞匯量帶來的技術挑戰，團隊創新性地引入“d-位預測”機制。通過將每個視覺單元的坐標分解為24個9元分類任務，在保持預測精度的同時大幅簡化計算。實驗證實，詞匯量擴張與生成質量提升呈正相關，當模型規模突破臨界點后，表達能力呈現質的飛躍。對比現有技術，新方法在PSNR、SSIM、LPIPS等重建指標，以及精確度與召回率平衡性上均取得領先。

該研究的理論價值同樣突出。團隊證明量化方法的幾何特性直接決定性能上限，通過將問題轉化為密球堆積優化，首次找到該領域的理論最優解。這種從基礎數學原理出發的研發思路，為后續研究提供了范式參考。目前，研究團隊已公開全部代碼，其高度優化的計算特性使得技術可快速應用于實際場景。

這項成果不僅推動視覺AI邁向新高度，更印證了基礎理論研究對技術突破的關鍵作用。隨著技術迭代，其在專業圖像處理、視頻制作等領域的應用將率先落地，后續可能向消費級產品滲透。通過構建數學與工程的橋梁，科研人員為AI理解視覺世界提供了更接近人類認知的解決方案。