北大美团 LongCat 发 G-STAR：自回归图像生成提速 20 倍至 2.5 秒

meituan-longcat · hf · 2026-11-13

北京大学与美团 LongCat 等机构发布论文 G-STAR，解决离散自回归图像生成中「token 序列长则慢、压缩狠则损质量」的核心矛盾。

核心发现：基于产物量化（product quantization），在固定名义信息预算下，分组大小应随每轴空间压缩倍数的平方扩展。
框架设计：提出空间—分组协同缩放（spatial–group co-scaling），实现 32× 乃至有效 64× 压缩，同时保持重建、理解与生成质量；针对组内依赖引入半自回归解码器，并行特征计算 + 轻量因果建模。
效果：1024×1024 分辨率下，相比以往离散自回归模型提速 20 倍，单张 NVIDIA H200 上 2.5 秒生成一张图；在 GenEval、DPG-Bench、PRISM、LongText-Bench、Qwen-Image-Bench 五个文生图基准上与主流模型竞争力相当。

结论：高度压缩的离散表征可以让低延迟的自回归高质量图像生成成为可能。

「多模态」频道最新