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
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。
Nano Banana Pro 中文站
AI 图片生成工具
输入简单文字，生成想要的图片。支持Nano Banana/gptimage-2等最新模型。
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。
seedancetwo2.0
能听懂你表达的视频模型
Seedance two是基于seedance2.0的中国大模型，支持图像、视频、音频、文本四种模态输入，表达方式更丰富，生成也更可控。
nano-banana纳米香蕉中文站
国内直接访问，限时3折
输入简单文字,生成想要的图片，纳米香蕉中文站基于 Google 模型的 AI 图片生成网站，支持文字生图、图生图。官网价格限时3折活动
扣子-AI办公
职场AI，就用扣子
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！
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