G-STAR 实现 32-64 倍 token 压缩，自回归图像生成提速 20 倍
_akhaliq · x · 2026-11-14
新论文提出 G-STAR(Group-Scaled Token Capacity),解决离散自回归图像生成中「长序列保质量但慢、激进压缩损容量」的矛盾。
- 基于 product quantization 证明：固定信息预算下，组大小应随每轴空间压缩因子的平方扩展
- 提出 spatial–group 协同缩放框架，实现 32 倍乃至有效 64 倍压缩，同时保持重建、理解与生成质量
- 设计半自回归解码器，并行特征计算加轻量因果建模，抵消大组内依赖的推理开销
- 在 GenEval、DPG-Bench 等 5 个文生图基准上与领先模型相当
- 1024×1024 分辨率下单张 NVIDIA H200 上每图 2.5 秒，较此前离散自回归模型提速 20 倍
所属事件:北大美团 LongCat 发布 G-STAR，自回归图像生成提速 20 倍(2 条相关)→
「多模态」频道最新
- HeyGen Voice 1 支持情感标签:剧本里写 [whispers] 就真会耳语 — nikola_mr64990 · 2026-11-14
- Reddit 网友发布 AI 生成短片《Toni Part II》 — Szlob · 2026-11-14
- AI 虚拟网红剧集《The Engagement》S1E6 上线 Rad TV — AIandDesign · 2026-11-14
- AI 生成悬疑短片《Liminal | Ep 3 - A Door To Nowhere》上线 — AccomplishedDrive169 · 2026-11-14
- RTX 5070 Ti 超频与启动参数对 ComfyUI 出图速度实测:结果意外 — AnalElder · 2026-11-14
- AI 生成「邪恶玩具维度」:熔岩巨日下的恐怖娃娃军团名场面 — Affectionate_Film161 · 2026-11-14