Mingue Park

新框架VISTA和DiverseVAR增强视觉自回归模型

研究人员开发了两个新框架VISTA和DiverseVAR，以解决文本到图像生成中视觉自回归（VAR）模型的局限性。VISTA基于Infinity构建，是首个用于VAR模型的基于梯度的测试时对齐方法，在2B骨干模型上将组合准确性提高了近20％，而无需更改模型参数。DiverseVAR通过将噪声注入文本嵌入并采用新颖的尺度-旅行细化技术来保持图像质量，专注于在测试时增强图像多样性。这两种方法都旨在在无需重新训练的情况下提高VAR模型的性能。