许可协议: MIT
流水线标签: 无条件图像生成
库名称: diffusers

基于随机并行解码的自回归图像生成

李浩鹏¹, 杨金月², 李国琪^2,📧, 王欢^1,📧

¹ 西湖大学,
² 中国科学院自动化研究所

摘要

ARPG 是一种创新的自回归图像生成框架，能够通过类GPT因果架构实现BERT式掩码建模。

💪 FID 1.94 🚀 高速生成 ♻️ 低内存占用 🎲 随机顺序 💡 零样本推理

使用方法:

您可以通过Hugging Face的DiffusionPipeline轻松加载，并可选自定义模型类型、步数和类别标签等参数。

from diffusers import DiffusionPipeline  

pipeline = DiffusionPipeline.from_pretrained("hp-l33/ARPG", custom_pipeline="hp-l33/ARPG")  

class_labels = [207, 360, 388, 113, 355, 980, 323, 979]  

generated_image = pipeline(  
    model_type="ARPG-XL",       # 可选'ARPG-L'、'ARPG-XL'或'ARPG-XXL'  
    seed=0,                     # 设置随机种子  
    num_steps=64,               # 自回归步数  
    class_labels=class_labels,  # 提供有效的ImageNet类别标签  
    cfg_scale=4,                # 分类器自由引导尺度  
    output_dir="./images",      # 图像保存目录  
    cfg_schedule="constant",    # 可选'constant'(推荐)或'linear'  
    sample_schedule="arccos",   # 可选'arccos'(推荐)或'cosine'  
)  

generated_image.show()  

引用

如果本工作对您的研究有所帮助，请给予星标或引用：

@article{li2025autoregressive,  
    title={基于随机并行解码的自回归图像生成},  
    author={李浩鹏 and 杨金月 and 李国琪 and 王欢},  
    journal={arXiv预印本 arXiv:2503.10568},  
    year={2025}  
}  

致谢

感谢LlamaGen的开源代码库。感谢RandAR和RAR对本工作的启发，同时感谢ControlAR。