预训练自回归图像模型改造为任意顺序生成器

2026年10月30日，arXiv Computer Vision 刊出研究，作者 Rishav Pramanik、Marco Pedersoli、Zhaozheng Yin 提出一套适配方法，把预训练的栅格扫描自回归图像模型改造成任意顺序生成器，无需从头训练。方法由两部分组成：未来感知位置嵌入，用于解决目标位置可识别性问题，开销可忽略；以及顺序课程，用于从预训练解出发，沿稳定优化路径进入良好的任意顺序解区域。在 LlamaGen-L/XL、RAR-L/XL 四个模型上，该方法实现 ImageNet 修复 FID 6.21（MaskGIT 为 10.44），额外算力为预训练的 13%–33%，并保留 KV caching、vLLM 等标准 AR 推理栈。报道同时称，这种灵活性以类别条件 FID 增加 1.2–1.9 为代价。目前进展限于上述方法与实验结果，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。