纯自回归图像生成模型开源来了，复旦联手字节seed共同捍卫自回归
复旦与字节团队提出SimpleAR，一种基于Transformer的自回归模型，在0.5B参数规模下生成1024分辨率高质量图像，GenEval评分达0.59，为1B以内SOTA。该模型采用三阶段训练（预训练-微调-强化学习），显著提升美学性和指令跟随能力，且无需外挂文本编码器，跨模态对齐更优。通过vLLM部署，推理时间缩短至13.55秒，首次在文生图任务中应用GRPO后训练，性能显著提升，为自回归视觉生成探索提供新方向。来源：https://mp.weixin.qq.com/s/8FCj6WJ8NfhYOexEEalCgg
页:
[1]