AIGC動態歡迎閱讀

原標題：GPT超越擴散、視覺生成Scaling Law時刻！北大&字節提出VAR范式
關鍵字：模型,字節跳動,圖像,順序,能力
文章來源：機器之心
內容字數：7588字

內容摘要：

機器之心發布
機器之心編輯部新一代視覺生成范式「VAR: Visual Auto Regressive」視覺自回歸來了！使 GPT 風格的自回歸模型在圖像生成首次超越擴散模型，并觀察到與大語言模型相似的 Scaling Laws 縮放定律、Zero-shot Task Generalization 泛化能力：論文標題: “Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction”
這項名為 VAR 的新工作由北京大學和字節跳動的研究者提出，登上了 GitHub 和 Paperwithcode 熱度榜單，并得到大量同行關注：目前體驗網站、論文、代碼、模型已放出：
體驗網站：https://var.vision/
論文鏈接：https://arxiv.org/abs/2404.02905
開源代碼：https://github.com/FoundationVision/VAR
開源模型：https://huggingface.co/FoundationVision/var
背景介紹

原文鏈接：GPT超越擴散、視覺生成Scaling Law時刻！北大&字節提出VAR范式

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺