VAR
通过大规模预测生成可扩展图像的视觉自回归模型
VAR模型利用创新的'下一尺度预测'策略，重塑自回归图像学习方式，优于传统扩散模型。它适用于多种图像生成任务，展现出优秀的尺度预测与型态泛化能力。现可通过FoundationVision/var进行交互体验。
项目介绍：VAR项目
项目概述
VAR（Visual Autoregressive Modeling）是一个创新的视觉生成方法，它通过粗到精的"下一层次预测"或"下一分辨率预测"的自回归学习，重新定义了图像生成，区别于传统的"下一个像素预测"方式。这个项目在NeurIPS 2024大会上获得了口头报告的荣誉。
项目亮点
首次超越扩散模型
VAR项目首次展示了GPT风格的自回归模型在视觉生成上的能力，可以超越现有的扩散模型。这标志着图像生成技术的一个新高度。
发现缩放定律
在VAR变换器中，研究人员观察到了幂律缩放定律的存在，这是计算机视觉领域的重要发现之一。
零样本泛化能力
VAR模型展示了卓越的零样本泛化能力，这意味着它可以在未见过的图像类别上进行推理，从而提高了模型的通用性和实用性。
VAR模型库
VAR提供了多个模型可供研究和使用。各个模型在生成图像的效果和性能成本上有所不同，从310M参数至2.0B参数的模型均有覆盖。这些模型可以通过Hugging Face平台下载。
| 模型 | 分辨率 | FID 评分 | 相对成本 | 参数数量 |
|---|---|---|---|---|
| VAR-d16 | 256 | 3.55 | 0.4 | 310M |
| VAR-d20 | 256 | 2.95 | 0.5 | 600M |
| VAR-d24 | 256 | 2.33 | 0.6 | 1.0B |
| VAR-d30 | 256 | 1.97 | 1 | 2.0B |
| VAR-d30-re | 256 | 1.80 | 1 | 2.0B |
项目试用
VAR提供了一个交互式演示网站，供用户体验模型的图像生成能力。这是一个让人们感受视觉自回归建模乐趣的好机会。
安装和训练
要使用VAR模型，用户需要安装torch>=2.0.0以及相关的Python包，并准备ImageNet数据集。提供了详尽的训练脚本，用户可以根据需求训练VAR模型以生成高质量的图像。
样本采样与零样本推理
VAR模型支持生成和评价潜在图像质量的技术。通过调整采样的参数，可以在图像质量和多样性之间进行权衡。
许可证
该项目遵循MIT许可证，确保了广泛的使用和修改自由。
引用
如若项目中的研究工作对您的研究有所帮助，欢迎在相关文献中引用该项目，以便推广和承认本项目的贡献。
编辑推荐精选
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
商汤小浣熊
最强AI数据分析助手
小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。
imini AI
像人一样思考的AI智能体
imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
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