超越扩散模型！自回归新范式仅需2.9秒就生成高质量图像，中科大哈工大度小满出品

文章预览

STAR团队 投稿自 凹非寺 量子位 | 公众号 QbitAI 超越扩散模型！ 自回归范式在图像生成领域再次被验证—— 中科大、哈工大、度小满等机构提出 通用文生图模型STAR 。 仅需2.9秒就可生成高质量图像，超越当前一众包括SDXL在内扩散模型的性能。 此外在生成图像真实度、图文一致性和人类偏好上均表现优秀。 来看看具体是如何做到的？ 自回归通用文生图模型STAR 扩散模由于其高质量和多元的生成，一度在文生图领域占有主导地位。 它通过逐步的去噪过程，为图像生成提供了更强的稳定性和可控性，然而也导致生成过程极其耗时。 而自回归模型的潜力，在受到大语言模型启发下，开始在这一领域逐渐被探索。 比如 VAR 指出是因为自回归模型逐个预测token的行为不符合图像模态的特点，提出“next-scale prediction”范式，将视觉自回归建模为逐个预测更大尺 ………………………………