xAR

xAR是字节跳动与约翰·霍普金斯大学合作开发的一款自回归视觉生成框架。该框架利用“下一个X预测”和“噪声上下文学习”技术，解决了传统自回归模型在视觉生成中信息密度不足和累积误差问题。xAR具有以下主要功能：

• 下一个X预测：超越传统“下一个标记预测”，可预测更复杂的视觉实体，捕捉更丰富的语义信息。
• 噪声上下文学习：通过引入噪声增强模型对误差的鲁棒性，显著缓解累积误差问题。
• 卓越生成性能：在ImageNet数据集上，xAR模型在推理速度和生成质量上均优于其他技术。
• 灵活的预测单元：支持多种预测单元设计，适应不同的视觉生成任务。

xAR的技术原理包括流匹配和推理策略。在实验结果中，xAR在ImageNet-256和ImageNet-512基准测试中表现出显著性能提升。xAR还可应用于艺术创作、虚拟场景生成、老照片修复、视频内容生成和数据增强等领域。项目地址包括项目官网和arXiv技术论文。对于常见问题，xAR设计用户友好，生成的图像质量优异，支持在多种平台上运行。