Skip to content
简体中文

切换主题

// ✦ 扩散、流匹配与生成模型

视觉自回归 VAR

按“由粗到细的分辨率”而不是逐像素做自回归生成图像。

Visual Autoregressive Modeling (VAR) 2024 高级 扩展

通俗解释

先生成最低分辨率的 token 图,再逐级预测更高分辨率,每级内部并行。首次让 GPT 式自回归在图像生成质量和速度上超过扩散 Transformer,获 NeurIPS 2024 最佳论文。

用在哪里:自回归图像生成研究

时间轴 · 前置 → 当前 → 后继

2017 VQ-VAE 离散表示2017 Transformer 与…2024 视觉自回归 VAR

01原始论文

Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction

Keyu Tian, Yi Jiang, Zehuan Yuan, et al. · 2024

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

视觉自回归 VAR

学完可以学

  • 图谱里暂无后继

相关:扩散 Transformer DiT

VQ-VAE 离散表示Transformer 与自注…扩散 Transformer … 视觉自回归 VAR

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)