Visual Autoregressive Models
PulseAugur coverage of Visual Autoregressive Models — every cluster mentioning Visual Autoregressive Models across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架 LoCo 映射视觉自回归模型中的概念涌现
研究人员推出 LoCo，一个新颖的框架，旨在精确定位视觉自回归模型中特定概念的涌现。该方法填补了概念定位理解方面的空白，尽管概念定位在扩散模型中已得到广泛研究，但在自回归架构中研究较少。LoCo 在层、尺度和位置三个维度上分析概念，提供了知识在生成过程中如何路由的详细视图。为此，开发了一个名为 LoCoBench 的新数据集，包含 10 个不同的类别用于评估。在 Infinity、HunyuanImage-3.0 和 Infinity…
-
Logit Refiner 通过恢复类内依赖性来增强视觉自回归模型
研究人员开发了一种名为“Logit Refiner”的新方法，以提高视觉自回归模型（VAR）生成的图像质量。该技术解决了VAR中的一个限制，即并行解码会丢弃同一尺度内 token 之间的空间依赖性，导致图像连贯性较差。Logit Refiner 是一个轻量级模块，通过顺序采样 token 来恢复这些类内依赖性，从而在无需重新训练或显著增加参数或计算量的情况下提高生成质量。该方法在各种 VAR 模型上显示出持续的改进，并可推广到文本到图像生成。
-
新的SACE框架增强了视觉自回归模型的安全性
研究人员推出了一种新颖的概念擦除框架SACE，用于视觉自回归（VAR）模型。该框架通过提出语义奇点公理来解决文本到图像生成中的安全问题，该公理确定了语义概念嵌入的精确尺度。SACE利用增量语义显著性分析来验证该公理，并采用熵正则化擦除目标以及保留损失，以确保在不损害模型完整性或引入视觉伪影的情况下擦除概念。实验表明，SACE能够以最少的训练有效地移除目标概念，并保留重要的良性先验。
-
新方法增强用于图像生成的视觉自回归模型
研究人员开发了新方法来提高视觉自回归模型的效率和性能。一种方法，Shift-and-Sum Quantization（移位求和量化），解决了图像生成任务中注意力值乘积的重建误差和校准数据差异。另一个框架UniAR，使用单一视觉分词器统一多模态理解和生成，通过多级特征融合和比特量化在图像生成和编辑方面取得了最先进的成果。