Jeveration:冻结VLM单次前向生成512px图像,78毫秒
新加坡国立大学团队发布论文《Jeveration: System One Models Now Generate》,把认知科学中「System One」式快速并行决策的思路引入图像生成:不依赖扩散模型的迭代去噪,也不做自回归逐token解码,而是复用一个冻结视觉-语言模型(VLM)已有的视觉语义知识,在单次前向传播中一次性并行生成128个离散图像token(双向注意力、块级解码),直接输出整张图像。
已确认
- 生成速度:512×512图像在单张H200 GPU上仅需78ms,相比基线快122倍(@akhaliq、@multimodalart 均转述此数据)
- 评测表现:Geneval 达 0.74;模型用四张96GB GPU训练(@auselis 转评信息)
- 方法定位:与Janus-Pro类似采用离散token生成,但用块级并行解码而非逐token自回归
- 除文生图外,论文还展示了图到图转换与密集预测任务
为什么重要
- @akhaliq 指出该方法的核心难题是全局一致性:同一prompt对应多张有效图像,如何在单次并行生成中保证整图连贯,是区别于传统逐步生成范式的关键挑战
- Reddit用户 @Crazy-Repeat-2006 认为,这证明了「System One」模型不仅擅长理解,也能胜任生成任务,为高效、低延迟图像生成提供了新路径
2026-11-19 ~ 2026-11-20 · 5 条相关
一手来源
- Jeveration 单次前向生图:512px 仅 78ms,快 122 倍 — _akhaliq ·
- 新加坡国立大学 Jeveration:冻结 VLM 单次前向即可生成图像 — NUS-DSA3101 · 2026-11-19
- 【源头】Jeveration 单次前向生图:512px 仅 78ms,快 122 倍 — _akhaliq · 2026-11-19
- NUS 单前向传播生图:冻结 VLM 出 512px 图,78ms 快 122 倍 — multimodalart · 2026-11-19
- 四张 96GB GPU 训出的图像并行生成模型,Geneval 达 0.74 — _akhaliq · 2026-11-20
另有 1 条近重复转述:Crazy-Repeat-2006