DART：用于可扩展文本到图像生成的去噪自回归变换器
💡
原文英文，约200词，阅读约需1分钟。
📝
内容提要
DART是一种基于变换器的模型，结合自回归和扩散，克服了传统扩散模型的马尔可夫特性限制，能够更有效地进行图像建模。该模型在统一框架中同时处理文本和图像数据，展现出在生成任务中的竞争力，为扩散模型提供了高效替代方案。
🎯
关键要点
- 扩散模型已成为视觉生成的主流方法。
- 传统扩散模型的马尔可夫特性限制了模型充分利用生成轨迹的能力。
- DART是一种基于变换器的模型，结合自回归和扩散，采用非马尔可夫框架。
- DART通过自回归模型迭代去噪图像块，具有与标准语言模型相同的架构。
- DART不依赖于图像量化，能够更有效地进行图像建模，同时保持灵活性。
- DART能够在统一模型中无缝训练文本和图像数据。
- 该方法在类条件和文本到图像生成任务中表现出竞争力，提供了传统扩散模型的高效替代方案。
- 通过这一统一框架，DART为可扩展的高质量图像合成设定了新的基准。
➡️
