北大字节开辟图像生成新范式！超越Sora核心组件DiT，不再预测下一个token
北大字节开辟图像生成新范式！超越Sora核心组件DiT，不再预测下一个token
2024年8月12日修改
网友：通向 Sora 的更便宜的潜在途径
鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI
北大和字节联手搞了个大的：
提出图像生成新范式，从预测下一个 token 变成预测下一级分辨率，效果超越 Sora 核心组件 Diffusion Transformer（DiT）。
并且代码开源，短短几天已经揽下 1.3k 标星，登上 GitHub 趋势榜。
附件不支持打印
具体是个什么效果？
实验数据上，这个名为 VAR（Visual Autoregressive Modeling）的新方法不仅图像生成质量超过 DiT 等传统 SOTA，推理速度也提高了 20 + 倍。
附件不支持打印