自回归超越扩散！北大、字节VAR范式解锁视觉生成Scaling Law

新一代视觉生成范式「VAR: Visual Auto Regressive」视觉自回归来了！使 GPT 风格的自回归模型在图像生成首次超越扩散模型，并观察到与大语言模型相似的 Scaling Laws 缩放定律、Zero-shot Task Generalization 泛化能力：

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

这项名为 VAR 的新工作由北京大学和字节跳动的研究者提出，登上了 GitHub 和 Paperwithcode 热度榜单，并得到大量同行关注：

目前体验网站、论文、代码、模型已放出：

• 体验网站：var.vision/
• 论文链接：arxiv.org/abs/2404.02…
• 开源代码：github.com/FoundationV…
• 开源模型：huggingface.co/FoundationV…

背景介绍

在自然语言处理中，以 GPT、LLaMa 系列等大语言模型为例的 Autoregressive 自回归模型已经取得了较大的成功，尤其 Scaling Law 缩放定律和 Zero-shot Task Generalizability 零样本任务泛化