图像生成加速新法SSD
rohanpaul_ai · x · 2026-07-14
这篇论文提出 **Spatially Speculative Decoding (SSD)**，用空间维度的并行预测来加速自回归图像生成，最高可把速度提升到 **13.28×**。 ### 方法要点 - 传统图像自回归模型会把 2D 图像转成长 token 序列，再逐 token 生成 - SSD 不是单个 token 地猜，而是让小型辅助网络利用**右侧和下方**的空间信息，尽量同时预测整行/整块内容 - 这些辅助网络预测的不是最终离散标签，而是更容易学习的内部特征 - 主模型会一次性检查整块草稿，纠正错误，减少无效计算 ### 实验结果 - 在 **Janus-Pro、Lumina-mGPT、Emu3** 上，生成时间提升约 **5.74× 到 13.28×** - 同时，benchmark 分数与标准解码相比基本持平 - 其中部分收益来自更轻量的推理循环，而不只是草稿并行本身 ### 结论 作者认为，更大的 token 网格会带来更明显的加速收益，而这种方法在不明显牺牲效果的前提下，能显著降低图像生成的 wall-clock 时间。