三星研究院推出新型自迴歸 Transformer，助力高分辨率圖像生成

在圖像生成領域，技術的進步不斷推動着虛擬現實等應用的發展。最近，三星研究院提出了一種基於自迴歸建模的新方法，旨在提升圖像生成的保真度和可擴展性。與傳統的一次性生成整個場景的方法不同，該方法採用了逐步添加細節的策略，使圖像的生成過程更符合人類的創作習慣。

這一新方法的核心在於將圖像生成分爲 “基礎” 與 “細節” 兩個層次，首先生成一個平滑的基礎圖像，再通過迭代的方式逐步添加細節，最終形成一個連貫的高質量圖像。研究團隊強調，這種分層組合的策略比傳統方法更有效，特別是在處理高分辨率圖像時，它具有更好的可擴展性，且不需要對整個模型進行重新訓練。

在自迴歸模型的學習過程中，圖像標記的處理順序對生成結果有着重要影響。三星的研究團隊通過創新性地使用邊緣感知平滑技術，將訓練圖像分解爲不同的細層次，從而實現了對細節的增量控制。這種方法與人類藝術創作的過程相似藝術家往往從草圖開始，逐步完善形狀與細節。

該模型的訓練包括三個主要步驟:首先將每個訓練圖像分解爲多個層次的基本細節因素;接着，利用矢量量化變分自編碼器（VQ-VAE）對這些因素進行編碼，確保在降低維數的同時保留圖像的關鍵特徵;最後，採用 Transformer 解碼器架構進行細節因素的迭代預測，從而實現圖像細節的可控和逐步添加。

實驗結果表明，該方法不僅在圖像生成質量上達到了最先進的水平，還有效降低了與高分辨率輸出相關的計算複雜性。這一創新的自迴歸圖像生成框架，爲擴散模型及其他技術提供了一個有力的替代方案，展示了未來圖像生成技術的廣闊前景。