自回归解码速度提高64 倍！MaskGIT：双向Transformer的图像生成新范式｜LVM经典解读

文章预览

↑ 点击 蓝字  关注极市平台 作者丨科技猛兽 编辑丨极市平台 极市导读   MaskGIT 在 ImageNet 数据集上显着优于最先进的 Transformer 模型，相比自回归解码的速度，提高了多达 64 倍。此外，MaskGIT 可以很容易地扩展到各种图像编辑任务，例如修复、外推和图像处理。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 本文目录 1 MaskGIT：非自回归的掩码图像生成 Transformer (来自谷歌) 1 MaskGIT 论文解读 1.1 MaskGIT 的诞生背景 1.2 MaskGIT 两阶段策略 1.3 迭代解码 1.4 掩码策略设计 1.5 图像生成实验结果 1.6 图像编辑应用 太长不看版 在计算机视觉领域中，生成式 Transformer 技术一直都在经历着迅速的迭代，因为其在合成高保真和高分辨率图像方面能力出众。在当时，最好的生成式 Transformer 技术仍将图片视为 token 序列，并且根据光栅扫描顺序 (即逐行) 顺序解码图 ………………………………