186-A1｜自回归视觉生成（开源民主，整合视觉理解与生成，高效DiT用于文生X，手写文本生成；复杂场景LoD渲染｜Mon

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Image Generation｜Auto-regressive｜Open-Source & Democratization, Integrating Understanding and Generation Open-MAGVIT2: An Open-Source Project Toward Democratizing Auto-regressive Visual Generation 2024-09-06｜Tencent PCG - ARC Lab, THU, NJU｜⭐️ 🟡 http://arxiv.org/abs/2409.04410v1 https://github.com/TencentARC/Open-MAGVIT2 概述 Open-MAGVIT2是一个开源的 自回归图像生成 项目，旨在推动自回归模型在视觉生成领域的发展。 该项目基于谷歌提出的MAGVIT-v2令牌化器，重构并优化了图像处理流程 ，显著提高生成效果和可扩展性。 通过引入超大词汇量（即218个代码），Open-MAGVIT2在ImageNet 256×256数据集上获得了1.17的重构FID ，展现了业界领先的性能。同时，项目中还用了不对称的令牌因式分解和“下一个子令牌预测”来改善生成质量，助力自回归模型 ………………………………