智象将来团队提出全新层级自回归天生范式Hierarchical Masked Autoregressive models (Hi-MAR)，无效办理自回归图像天生中结构失真问题。该研讨已被 ICML 2025 收录，并在多个图像天生任务中获得抢先性能。

现有自回归图像天生模型存在缺少全局结构建模能力、锻炼-推理漫衍没有同等、尺度引导缺失等问题。Hi - MAR 自创人类绘画历程，采纳自顶向下层次化天生范式，还引入多尺度联合锻炼计谋等。实验表现，其在图像质量和语义同等性上优于支流方法，可以显著提升模型的全局感知能力与天生质量。

本次揭橥的论文《Hierarchical Masked Autoregressive Models with Low-Resolution Token Pivots》，展现了团队在多模态天生式基础架构设计范畴的前沿探索。这一全新的层级自回归天生架构 Hi-MAR，为构建具有“全局感知+局部细化”能力的天生基础架构提供了新的范式，同时它也是HiDream系列开源模型家属重要的一员，为下一代多模态天生式基础架构的技术演进带来更多的大概性。

发布于：山东省