Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: xAR – 字节联合霍普金斯大学推出的自回归视觉生成框架
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
xAR – 字节联合霍普金斯大学推出的自回归视觉生成框架
Prompt 语宙 > AIGC 资讯 > xAR – 字节联合霍普金斯大学推出的自回归视觉生成框架
AIGC 资讯

xAR – 字节联合霍普金斯大学推出的自回归视觉生成框架

Prompt 语宙研究院
最近更新: 2026年6月9日 上午4:49
AI绘画提示词 AI视频生成 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • xAR用Next-X Prediction把“下一个标记预测”扩展到图像块、单元等更高信息密度实体。
  • Noisy Context Learning通过训练时注入噪声提升鲁棒性,缓解自回归生成的累积误差。
  • 实验显示xAR在ImageNet上兼顾速度与质量:xAR-B快20倍,xAR-H达到1.24 FID。

xAR是什么

xAR 是字节跳动和约翰·霍普金斯大学联合提出的新型自回归视觉生成框架。框架通过“下一个X预测”(Next-X Prediction)和“噪声上下文学习”(Noisy Context Learning)技术,解决了传统自回归模型在视觉生成中的信息密度不足和累积误差问题。

阅读目录
  • xAR是什么
  • xAR的主要功能
  • xAR的技术原理
  • xAR的项目地址
  • xAR的应用场景

xAR

xAR的主要功能

  • 下一个X预测(Next-X Prediction):扩展了传统的“下一个标记预测”,支持模型预测更复杂的实体(如图像块、单元、子采样、整个图像等),捕捉更丰富的语义信息。
  • 噪声上下文学习(Noisy Context Learning):通过在训练中引入噪声,提高模型对误差的鲁棒性,缓解累积误差问题。
  • 高性能生成:在 ImageNet 数据集上,xAR 模型在推理速度和生成质量上均优于现有技术,如 DiT 和其他扩散模型。
  • 灵活的预测单元:支持多种预测单元设计(如单元、子采样、多尺度预测等),适用于不同的视觉生成任务。

xAR的技术原理

  • 流匹配(Flow Matching):xAR基于流匹配方法将离散的标记分类问题转化为连续的实体回归问题。具体来说:
    • 模型通过插值和噪声注入的方式生成带噪声的输入。
    • 在每个自回归步骤中,模型预测从噪声分布到目标分布的方向流(Velocity),从而逐步优化生成结果。
  •  推理策略:在推理阶段,xAR采用自回归的方式逐步生成图像:
    • 首先从高斯噪声中预测初始单元(如8×8的图像块)。
    • 基于已生成的单元,模型逐步生成下一个单元,直到完成整个图像的生成。
  • 实验结果:xAR在ImageNet-256和ImageNet-512基准测试中取得了显著的性能提升:
    • xAR-B(1.72亿参数)模型在推理速度上比DiT-XL(6.75亿参数)快20倍,同时在弗雷歇 inception 距离(FID)上达到1.72,优于现有的扩散模型和自回归模型。
    • xAR-H(11亿参数)模型在ImageNet-256上达到了1.24的FID,创造了新的最优水平,且不依赖于视觉基础模型(如DINOv2)或高级引导区间采样。

xAR的项目地址

  • 项目官网:https://oliverrensu.github.io/project/xAR/
  • arXiv技术论文:https://arxiv.org/pdf/2502.20388

xAR的应用场景

  • 艺术创作:艺术家可以用xAR生成创意图像,作为艺术作品的灵感来源或直接用于创作。xAR能生成具有丰富细节和多样风格的图像,支持不同分辨率和风格的创作需求。
  • 虚拟场景生成:在游戏开发和虚拟现实(VR)中,xAR可以快速生成逼真的虚拟场景,包括自然景观、城市环境和虚拟角色等,提升用户体验。
  • 老照片修复:通过生成高质量的图像内容,xAR可以修复老照片中的损坏部分,恢复其原始细节和色彩。
  • 视频内容生成:xAR可以生成视频中的特定场景或对象,用于视频特效制作、动画生成和视频编辑。
  • 数据增强:通过生成多样化的图像,xAR可以扩充训练数据集,提升模型的泛化能力和鲁棒性。
❓ 常见问题解答(FAQ)
xAR和传统自回归视觉生成有什么区别?

xAR不只预测下一个标记,而是通过Next-X Prediction预测图像块、单元等更复杂实体,并结合Noisy Context Learning增强鲁棒性,因此能缓解传统自回归模型信息密度不足和累积误差问题。

xAR在ImageNet上的效果怎么样?

文中给出的结果显示,xAR-B(1.72亿参数)推理速度比DiT-XL快20倍,FID达到1.72;xAR-H(11亿参数)在ImageNet-256上取得1.24 FID,达到新的最优水平。

xAR适合哪些视觉生成场景?

xAR适用于艺术创作、虚拟场景生成、老照片修复、视频内容生成和数据增强等任务,尤其适合需要兼顾生成质量、速度和多样性的视觉内容生产场景。

🔬 语宙深潜追问 · 进阶实操拆解
自回归视觉生成的核心难点是什么?

核心是离散 token 的信息密度和长序列误差累积。要提升效果,通常需要更强的上下文建模、噪声鲁棒训练和更合理的token压缩,否则越生成越容易跑偏。

推理速度快20倍意味着什么?

意味着它更适合在线生成、交互式编辑和批量出图,但前提是画质和一致性不掉队。实际部署时要同时看吞吐、显存占用和高分辨率下的稳定性。

🗳️ 读者观点微投票 · 您的实战立场是?
自回归视觉生成能打破扩散模型统治吗?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • SimpleAR – 复旦大学联合字节 Seed 团队推出的图像生成模型
  • HART – 麻省理工学院推出的自回归视觉生成模型
  • UniReal – 港大联合 Adobe 推出的通用图像生成和编辑框架
  • VideoWorld – 字节联合交大等机构推出的自回归视频生成模型
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
LayerSkip – Meta推出加速大型语言模型推理过程的技术
Prem AI
[AI生图咒语] 例102 – 信息图可视化设计
美团5600亿参数推理模型LongCat-Flash-Thinking:开源MoE架构引领AI Agent新范式
LingBot-VLA 2.0 – 蚂蚁灵波开源的新一代具身智能基座模型
TAGGED:AI绘画提示词AI视频生成开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 Baichuan-Omni-1.5 – 百川智能开源的全模态理解模型 Baichuan-Omni-1.5 – 百川智能开源的全模态理解模型
下一篇 RAG-FiT – 英特尔实验室推出用于开发、增强大模型的开源RAG框架 RAG-FiT – 英特尔实验室推出用于开发、增强大模型的开源RAG框架
Ad image
Ad image

最近更新

Atlassian AI 与产品工艺负责人 Sherif Mansour 做客 Lenny 播客,拆解全员 AI 构建者实验、初级人才赋能与产品工艺三角
取消PM头衔全员AI造产品,1个月就翻车退回!Atlassian AI掌门揭秘:初级员工多用38%AI却产Slop、工艺三角与Rovo外挂全拆解
AI 工具
GitHub Changelog 官方发布主图:GitHub Copilot CLI 1.0.113+ 公测支持 Microsoft Entra 身份登录与双轨企业推理
免GitHub账号直接终端跑AI!Copilot CLI上线Microsoft Entra登录:接入Work IQ MCP与Agent 365全链路审计拆解
AI 工具
The Verge 报道主图:《以撒的结合:忏悔+》因游戏音频文件残留 Suno 元数据遭 Steam 玩家差评轰炸并紧急移除
《以撒的结合》翻车!Suno元数据抓包引爆差评轰炸:AI资产供应链污染与Steam披露红线全拆解
AIGC 资讯
Hello Partner 深度报道主图:2026 年黑五消费前夕 Barclays 与 KPMG 对英国消费者使用 AI 工具比价给出悬殊数据
55%用AI找黑五折扣还是仅12%问大模型?Barclays与KPMG调研打架真相:零点击比价、84%返利盲区与联盟归因断层全拆解
AI 工具

相关推荐

EMO – 阿里推出的AI肖像视频生成框架
AIGC 资讯

EMO – 阿里推出的AI肖像视频生成框架

Prompt 语宙研究院
AI视频生成 AI音频与语音 开源大模型
Pixtral Large – Mistral AI开源的超大多模态模型
AIGC 资讯

Pixtral Large – Mistral AI开源的超大多模态模型

Prompt 语宙研究院
ChatGPT Claude Gemini HuggingFace 开源大模型
MIP-Adapter – 阿里开源多参考图像融合的个性化图像生成技术
AIGC 资讯

MIP-Adapter – 阿里开源多参考图像融合的个性化图像生成技术

Prompt 语宙研究院
HuggingFace stable diffusion 大模型微调 开源大模型 通义千问
美国商务部大楼与半导体出口管制新规
AIGC 资讯

算力超1200万TPP即触发许可且限期90天整改!美国商务部突发全球数据中心新规:封死离岸云端远程租用算力与废止AI扩散规则全景深度拆解

Prompt 语宙研究院
1200万TPP AI芯片出口管制 云端硬隔离 海外数据中心 美国商务部 远程算力租用
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 Claude Code
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.