210-A1.1｜自回归、整流“变换器”；主体个性化，基于文本的编辑，少样本图像生成；改善平面设计，中文书法生成；概念复苏/遗忘

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） ————A1.1 Part———— Topic: Image Generation｜Autoregressive Transformer, Rectified Flow Transformers DART: Denoising Autoregressive Transformer for Scalable Text-to-Image Generation 2024-10-10｜Apple, CUHK, Mila Quebec AI Institute｜⭐️ 🟡 http://arxiv.org/abs/2410.08159v1 概述 DART（Denoising AutoRegressive Transformer）是一种新型的生成模型，旨在改进图像生成的效率和可扩展性。传统的扩散模型在训练和推理时受到马尔可夫性质的限制，无法充分利用生成过程的全貌，从而导致训练和推理效率低下。 DART通过将自回归建模与非马尔可夫扩散结合 ，提出了一种新的框架。该模型能够对图像补丁进行迭代去噪，采用与标准语言模型相同的架构，避免了图像量化，从而实现更灵活的图像建模。DART在类条件和文本到图像生成任务中表现出 ………………………………