Hossein Shahabadi

VISTA框架提升视觉自回归模型的组合准确性

研究人员开发了VISTA，一个新颖的测试时对齐框架，旨在提高视觉自回归（VAR）模型的组合准确性。与之前的扩散模型方法不同，VISTA专门为VAR生成的离散、多分辨率采样过程而设计。它在冻结的Transformer内优化中间表示，以增强属性绑定和空间关系，而无需更改模型参数或进行额外训练。VISTA在组合类别方面显示出显著的改进，在2B骨干模型上得分提高了高达20%，并保持了图像质量，甚至使一个较小的模型能够超越一个较大的模型。