---
title: "HART – 麻省理工学院推出的自回归视觉生成模型"
url: "https://paooo.com/aigc-news/25374/"
author: "Prompt 语宙研究院"
published_at: "2026-07-13T15:18:29+08:00"
updated_at: "2026-07-13T15:18:29+08:00"
categories: "AIGC 资讯"
tags: "AI绘画提示词, Flux, stable diffusion, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# HART – 麻省理工学院推出的自回归视觉生成模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/25374/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-13

## AI 30 秒核心看点 (TL;DR)

- HART用混合Tokenizer把图像拆成离散结构与连续细节，兼顾自回归可控性与生成质量。
- 可直接生成1024×1024高分辨率图像，效果接近扩散模型，同时推理效率更高。
- 在MJHQ-30K上，重构FID降至0.30、生成FID降至5.38，吞吐量提升4.5-7.7倍。

## HART是什么

HART（Hybrid Autoregressive Transformer）是麻省理工学院研究团队推出的自回归视觉生成模型。能直接生成1024×1024像素的高分辨率图像，质量媲美扩散模型。HART基于混合Tokenizer技术，将自动编码器的连续潜在表示分解为离散token和连续token，其中离散token负责捕捉图像的主要结构，连续token专注于细节。HART的轻量级残差扩散模块仅用3700万参数，大幅提升计算效率。在MJHQ-30K数据集上，HART将重构FID从2.11降至0.30，生成FID从7.85降至5.38，提升了31%，在吞吐量上比现有扩散模型提高4.5-7.7倍，MAC降低6.9-13.4倍。

## HART的主要功能

- **高分辨率图像生成**：直接生成1024×1024像素的高分辨率图像，满足高质量视觉内容的需求。

- **图像质量提升**：基于混合Tokenizer技术，HART在图像重建和生成质量上超越传统的自回归模型，与扩散模型相媲美。

- **计算效率优化**：在保持高图像质量的同时，显著提高计算效率，降低训练成本和推理延迟。

- **自回归建模**：基于自回归方法，逐步生成图像，支持对生成过程进行更精细的控制。

## HART的技术原理

- **混合Tokenizer**：HART的核心是混合Tokenizer，将自动编码器的连续潜在表示分解为离散token和连续token。离散token负责捕捉图像的主要结构，连续token专注于细节。

- **离散自回归模型**：离散部分由一个可扩展分辨率的离散自回归模型建模，支持模型在不同分辨率下生成图像。

- **轻量级残差扩散模块**：连续部分由一个轻量级的残差扩散模块学习，该模块只有3700万个参数，有助于提高模型的效率。

- **效率与性能平衡**：HART在FID和CLIP分数上优于现有的扩散模型，在吞吐量上提高了4.5-7.7倍，MAC降低6.9-13.4倍，实现效率与性能的良好平衡。

- **自回归生成**：HART基于自回归方法，逐步生成图像，每一步都基于前一步的输出，支持模型在生成过程中逐步细化图像细节。

## HART的项目地址

- **项目官网**：[hanlab.mit.edu/projects/hart](https://hanlab.mit.edu/projects/hart?utm_source=ai-bot.cn)

- **GitHub仓库**：[https://github.com/mit-han-lab/hart](https://github.com/mit-han-lab/hart)

- **arXiv技术论文**：[https://arxiv.org/pdf/2410.10812](https://arxiv.org/pdf/2410.10812)

- **在线体验Demo**：[https://hart.mit.edu/](https://hart.mit.edu/)

## HART的应用场景

- **数字艺术创作**：艺术家和设计师生成高质量的数字艺术作品，包括插图、概念艺术和视觉特效。

- **游戏开发**：在游戏设计中，生成游戏资产，如角色、环境和道具的高分辨率图像。

- **电影和视频制作**：生成电影海报、概念艺术或者作为视频内容的背景和特效。

- **广告和营销**：营销团队快速生成吸引人的广告图像和营销材料。

- **社交媒体内容**：用户为社交媒体平台生成个性化的图像和视觉内容。

## 常见问题解答 (FAQ)

### HART和扩散模型相比有什么优势？
HART的优势在于兼顾高画质与更高效率。文章显示，它能直接生成1024×1024图像，生成质量接近扩散模型，同时吞吐量提升4.5-7.7倍，MAC降低6.9-13.4倍。

### HART的混合Tokenizer是怎么工作的？
混合Tokenizer会把自动编码器的连续潜在表示拆成离散token和连续token。离散token负责图像主要结构，连续token负责细节，从而提升重建与生成质量。

### HART适合哪些图像生成场景？
HART适合需要高分辨率、高质量视觉内容的场景，如数字艺术创作、游戏资产生成、电影海报与概念图、广告营销素材以及社交媒体配图。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)