蘋果推出 AToken：一個統一的視覺標記器 • 第一個統一圖像、視頻和 3D 的標記器 • 共享 4D 潛在空間（保留重建和語義） • 在生成和理解任務中表現強勁（ImageNet 82.2%，MSRVTT 32.6%，3D 準確率 90.9%）