DeepMind联合MIT团队开发Fluid，让自回归模型实现文生图的大规模扩展

文章预览

在视觉领域，扩散模型（diffusion model）已然成为图像生成的新范式。我们熟知的 Stable Diffusion、DALL-E 和 Imagen 等文生图工具都以扩散模型为基础。 而在语言模型领域，自回归模型（autoregressive model）则占据主导位置，大名鼎鼎的 ChatGPT 就使用了此类模型来生成回复。所谓的扩展法则（Scaling Law）在以自回归模型为基础的大模型身上展现出了强大的力量，可以有效的提升性能。 不过，如果回到视觉领域（比如文本生成图像），扩展自回归模型并未像在大语言模型中那样显著有效。许多研究人员正在努力搞清楚原因，并且想办法弥合自回归模型在视觉模型与语言模型之间的性能差距。 近日，来自 谷歌 DeepMind 和美国麻省理工学院的研究人员发表了一篇预印本论文，介绍了他们在“提升自回归文生图模型性能”方面的最新进展。 图 | 论文标题《FLUID： ………………………………