上一篇
WarriorCoder是什么？一文让你看懂WarriorCoder的技术原理、主要功能、应用场景
xAR是什么？一文让你看懂xAR的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
xAR概述简介
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。
xAR的功能特色
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项目介绍
项目官网：https://oliverrensu.github.io/project/xAR/
arXiv技术论文：https://arxiv.org/pdf/2502.20388
xAR能做什么？
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。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
video-analyzer是什么？一文让你看懂video-analyzer的技术原理、主要功能、应用场景2025-04-05 -
Spirit LM是什么？一文让你看懂Spirit LM的技术原理、主要功能、应用场景2025-04-05
-
MiniPerplx是什么？一文让你看懂MiniPerplx的技术原理、主要功能、应用场景2025-04-05
-
DiTCtrl是什么？一文让你看懂DiTCtrl的技术原理、主要功能、应用场景2025-04-05
-
SUPIR是什么？一文让你看懂SUPIR的技术原理、主要功能、应用场景2025-04-05
-
NEXUS-O是什么？一文让你看懂NEXUS-O的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
ps2filter me
使用ps2filter.me将照片转换为复古PS2字符。只需选择一张照片或拍摄新照片即可，PS2Filter AI技术就会发挥其魔力，使您的形象怀旧。...
branding5
告别传统的品牌定位过程，通常超过50,000欧元。 Branding5只需一小部分，就可以为您提供相同的专业知识。在短短5分钟内获得可行的见解 - 对...
Gemini 1.5 Pro
Gemini 1.5 Pro是Google开发者平台推出的下一代AI模型,支持语音理解、系统指令、JSON输出等新功能,并推出了新一代文本嵌入模型Ge...
ai homedesign
使用AI Homedesign改造您的房地产摄影 - 该平台在一个方便的位置提供5个服务。通过一个个性化的3键流程，可以立即实现高质量的房屋设计。探索...
ai talking phtoto
免费使用AI Talking Photo来增强您的照片。这种高级的AI技术通过使它们以现实有效的方式进行交谈，从而使您的照片栩栩如生。使用此革命性工具...
qa tech
QA.Tech使用AI测试您的网站或应用程序。 AI代理扫描您的网站，创建其结构的内存，并生成测试，模拟用户行为并适应更改。用户还可以在简单的提示下添...
heygen ai video generator
Heygen是一个理想的AI视频生成平台，可以增强团队的生产力。 Heygen强大的算法使其成为市场上最先进的解决方案，可确保提高效率和质量。今天使用...
ChatDev AI
ChatDev是一个虚拟软件公司,由扮演不同角色(如CEO、产品经理、技术总监、程序员、测试员等)的智能体组成。这些智能体通过参与设计、编码、测试等专...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
