VAR,即视觉自回归建模,是一种全新的生成模型框架。VAR提出了对图像自回归学习方式的重定义,将传统的逐像素或逐标记(token)的预测过渡到从低分辨率到高分辨率的多尺度预测过程。这种新范式被称为“下一尺度预测”,即从低分辨率的标记图开始,逐步预测出更高分辨率的标记图。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。