STAR：文本生成图像模型中的璀璨之星！自回归取代扩散
Ray大家好，今天我们来聊聊最新的模型—STAR模型
一种基于自回归方法的T2I模型。
想必大家都对AI生成的图像不陌生，但STAR模型的出现，无疑将这一领域推向了一个新的高度。
STAR模型是什么？
STAR模型是一种自回归文本至图像的生成模型。
它通过多尺度的方法来改进图像生成的质量和效率。
相比较主流的扩散模型，STAR采用自回归方法，在效率上有了显著提升。
仅仅用2.9s就能生成高质量的图像！
这个速度简直比我拿出手机打开相机想记录下眼前美好的一刻都要快~
模型实现思路
STAR模型生成图像步骤：
预训练的文本编码器：使用预训练的文本编码器来提取文本的特征表示，这些特征将作为生成图像的指导。
多尺度交叉注意力层：模型在每个尺度上加入了交叉注意力层，这样做可以改善文本指导与生成图像之间的交互，提高生成结果的可控性和精细度。
归一化的旋转位置编码（RoPE）：STAR模型还采用了一种新的位置编码方法，以确保在不同尺度的图像生成中能够保持相对位置的一致解释，这一点对于保持训练过程的稳定性至关重要。
模型效果展示
STAR模型生成的图像无论是在图像细节与真实性、文本与图像的一致性以及美观度上。
都超越了现有模型的基准。
尤其在处理细节丰富的图像，如动物毛发、植物叶片和人脸特征时，STAR模型能生成更加细腻和高质量的图像。
看着下面生成的图像 我不禁感慨“AI真的在改变世界”
生成的图像与SDXL及PixArt-α等模型相比，有着更加细腻清晰的表现。
并且在专为评估美学质量设计的MJHQ-30K基准测试中的FID和CLIP score也都超越了SDXL和PixArt-α等模型。
同时STAR在ImageReward上也有着不俗的表现数据。
总结
STAR模型的提出为当前由扩散方法主导的文本到图像生成领域带来了新的思路。
它在生成高质量图像的同时大幅缩短了推理时间，这对于需要实时生成图像的应用尤其重要。
我们有理由相信，随着这项技术的不断发展，AI在艺术和创意领域的角色将变得更加重要。
STAR模型展示了自回归方法在未来视觉生成任务中的巨大潜力。
大家请共同期待STAR带来的更多奇迹！
扫码加入AI交流群
获得更多技术支持和交流
关注「向量光年」公众号
加速全行业向AI的改变
关注「开源AI项目落地」公众号
与AI时代更靠近一点
关注「AGI光年」公众号
获取每日最新咨询
编辑推荐精选
小云雀
字节旗下AI内容创作Agent
小云雀 是字节跳动旗下剪映团队推出的AI内容创作Agent，主打”一句话打造一个爆款”的零门槛创作体验。用户只需输入一句指令，可自动生成15-60秒短视频、数字人口播视频、风格化海报等内容，支持200+可商用数字人形象和19种语言及方言。小云雀核心功能包括智能成片、AI设计、照片会说话、爆款复刻等，已接入豆包大模型、DeepSeek Chat及自研Seedance 2.0视频生成模型、Seedream 5.0图像生成模型。目前支持安卓APP和网页版，每日登录可领取120积分。适合自媒体创作者、电商营销人员、教育工作者及普通用户使用，近期因用户量激增，视频生成排队时长可达8小时。
豆包
字节跳动旗下 AI 智能助手
字节跳动旗下 AI 智能助手
Pixmax
一站式AI短剧创作平台
Pixmax专注打造下一代“ AI 视觉创作引擎”，整合行业顶尖 AI 大模型、工工业级精准控制及企业级协同管理功能，是全方位的 AI 内容创作平台。
GPT Plus｜Pro充值
GPT充值
支持 ChatGPT Plus / Pro 充值服务，支付便捷，自动发货，售后可查。
GPT Image 2中文站
AI 图片生成平台
GPT Image 2 是面向用户的 AI 图片生成平台，支持文生图、图生图及多模型创意工作流。
Vecbase
你的AI Agent团队
Vecbase 是专为 AI 团队打造的智能工作空间，将数据管理、模型协作与知识沉淀整合于一处。算法、产品与业务在同一平台无缝协同，让从数据到 AI 应用的落地更快一步。
音述AI
全球首个AI音乐社区
音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。
QoderWork
阿里Qoder团队推出的桌面端AI 智能体
QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。
lynote.ai
一站式搞定所有学习需求
不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。
AniShort
为AI短剧协作而生
专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号