G-STAR 实现 32-64 倍 token 压缩,自回归图像生成提速 20 倍
pmttyji · reddit · 2026-11-14
北大 DAGroup 发布 G-STAR 论文与模型,解决离散自回归图像生成的核心矛盾:长 token 序列保质量但慢,激进空间压缩又损容量。
核心方法
- 基于乘积量化,证明在固定名义信息预算下,组大小应随每轴空间压缩因子的平方扩展,提出空间-组协同缩放框架,实现 32 倍乃至有效 64 倍压缩,同时保持重建、理解与生成性能。
- 大组带来的组内依赖用半自回归解码器处理:并行特征计算 + 轻量因果建模,兼顾延迟与质量。
结果
- 在 GenEval、DPG-Bench、PRISM、LongText-Bench、Qwen-Image-Bench 五个文生图基准上与领先模型竞争力相当(配图:GSTAR-Pro-8B 平均分 76.2 仅次于 GPT Image、Emu3.5、Qwen-Image)。
- 1024×1024 分辨率下比以往离散自回归模型提速 20 倍,单张 H200 上 2.5 秒生成一张图;GSTAR-Flash-1.7B 比 Janus-Pro-7B 快 21.57 倍,GSTAR-Pro-8B 比 Emu3.5-34B 快 8.36 倍。
论文、代码与模型均已开源。
所属事件:北大美团发布 G-STAR：自回归图像生成提速 20 倍(4 条相关)→
「多模态」频道最新
- 新方法可将莫奈全部作品蒸馏进一幅画 — vincesitzmann · 2026-11-14
- 用一条 prompt 让 LLM 纯 JS 画出「手绘感」杰作 — adonis_singh · 2026-11-14
- 把莫奈全部作品「蒸馏」成一幅画的效果图 — vincesitzmann · 2026-11-14
- 用 Opus 做出票据卷纸互动动效,AI 前端演示惊艳 — floguo · 2026-11-14
- AI 生成合成波风格梗图：eBay 皮衣价格从 480 美元跌到 12 美元 — yungcontent · 2026-11-14
- Seedance 2.5 实测：1080P 分镜短片让小鸟各归其主 — LudovicCreator · 2026-11-14