苹果推出 AToken：一个统一的视觉标记器 • 第一个统一图像、视频和 3D 的标记器 • 共享 4D 潜在空间（保留重建和语义） • 在生成和理解任务中表现强劲（ImageNet 82.2%，MSRVTT 32.6%，3D 准确率 90.9%）