超越扩散模型！度小满、中科大等联合提出全新自回归通用文生图模型

项目网站：https://krennic999.github.io/STAR/论文链接： https://arxiv.org/pdf/2406.10797背景介绍通用文本引导图像生成领域近年受到广泛关注，在二次创作， 虚拟试穿和原型设计领域得到广泛应用。艺术家和设计师利用它重新构思和创新现有作品。消费者通过生成图像预览服装和配饰，提升购物体验。设计师能快速生成产品概念图，节省时间和资源。尤其扩散模型（Diffusion）由于其高质量和多元的生成，在文生图领域占有主导地位。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及其耗时。自回归（Auto-regressive，AR）模型通过离散视觉编码器（VQ-VAE，d-VAE 等）将图像转化为离散 token，训练模型按顺序逐个预测新的 token，预测的整个 token map 解码即可得到生成的图像。受大语言模型的启发，自回归模型在这一领域的应用也逐 ………………………………