多样化图像生成

VAR（Visual Autoregressive Modeling）是一种先进的图像生成框架，通过自回归建模和多尺度生成策略，显著提升了图像生成的效率和质量。该框架在性能指标上超越了现有模型，并优化了计算复杂度和生成速度，同时具备出色的零样本泛化能力和强大的可扩展性。VAR重新定义了图像上的自回归学习，将其视为从粗糙到精细的“下一尺度预测”或“下一分辨率预测”，在图像合成的质量、多样性、数据效率和推理速度方面首次超越了强大的扩散模型。