最新！何愷明團隊發(fā)布：打破自回歸圖像生成瓶頸，告別矢量量化

AIGC動態(tài)歡迎閱讀

原標題：最新！何愷明團隊發(fā)布：打破自回歸圖像生成瓶頸，告別矢量量化
關(guān)鍵字：模型,標記,圖像,損失,團隊
文章來源：夕小瑤科技說
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)作者 | 21#近日，深度學(xué)習領(lǐng)域的杰出研究者何愷明及其團隊又放了個大招，推出其團隊最新研究工作，在AI研究領(lǐng)域引起了廣泛關(guān)注。
何愷明2024年加入麻省理工學(xué)院(MIT)，在電氣工程與計算機科學(xué)系擔任教職。
何愷明團隊聯(lián)合Google DeepMind和清華大學(xué)，首次提出了一種無需矢量量化的自回歸圖像生成方法，徹底顛覆了人們對自回歸生成技術(shù)的認知。
在傳統(tǒng)的自回歸圖像生成中，矢量量化一直是不可或缺的一環(huán)。然而，這種方法的局限性在于，它依賴于離散的tokenizer，這在一定程度上限制了生成圖像的靈活性和多樣性。
而今，何愷明團隊巧妙地借鑒了擴散模型的思想，成功地將自回歸模型從矢量量化的束縛中解放出來，實現(xiàn)了連續(xù)值生成圖像的突破。
一起看看這一創(chuàng)新是如何提高自回歸圖像生成的質(zhì)量和多樣性的，以及是如何改變AI領(lǐng)域的未來走向！
論文題目: Autoregressive Image Generation without Vector Quantization論文鏈接: https://arxiv.org/abs/2406.11838
擴散損失引入自回歸圖像生成自回歸模型在自

原文鏈接：最新！何愷明團隊發(fā)布：打破自回歸圖像生成瓶頸，告別矢量量化

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：xixiaoyaoQAQ
作者簡介：專業(yè)、有趣、深度價值導(dǎo)向的科技媒體。聚集30萬AI工程師、研究員，覆蓋500多家海內(nèi)外機構(gòu)投資人，互聯(lián)網(wǎng)大廠中高管和AI公司創(chuàng)始人。一線作者來自清北、國內(nèi)外頂級AI實驗室和大廠，兼?zhèn)涿翡J的行業(yè)嗅覺和洞察深度。商務(wù)合作：zym5189