# xAR – 字节联合霍普金斯大学推出的自回归视觉生成框架

- Link: https://paooo.com/aigc-news/21416/
- Published: 2026-06-09T04:49:50+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 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](https://paooo.com/aigc-news/21416/#xar%e6%98%af%e4%bb%80%e4%b9%88)
 * [xAR的主要功能](https://paooo.com/aigc-news/21416/#xar%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [xAR的技术原理](https://paooo.com/aigc-news/21416/#xar%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [xAR的项目地址](https://paooo.com/aigc-news/21416/#xar%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [xAR的应用场景](https://paooo.com/aigc-news/21416/#xar%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![xAR](https://paooo.com/wp-content/uploads/2026/06/xAR-website-1.avif)

## 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/](https://oliverrensu.github.io/project/xAR/?utm_source=ai-bot.cn)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2502.20388](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 →](https://paooo.com/topics/deepseek/)

 * [SimpleAR – 复旦大学联合字节 Seed 团队推出的图像生成模型](https://paooo.com/aigc-news/20253/)
 * [HART – 麻省理工学院推出的自回归视觉生成模型](https://paooo.com/aigc-news/25374/)
 * [UniReal – 港大联合 Adobe 推出的通用图像生成和编辑框架](https://paooo.com/aigc-news/24759/)
 * [VideoWorld – 字节联合交大等机构推出的自回归视频生成模型](https://paooo.com/aigc-news/22698/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · 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](https://paooo.com/aigc-news/21416/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 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)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
