智象未来团队提出全新层级自回归生成范式Hierarchical Masked Autoregressive models (Hi-MAR)，有效解决自回归图像生成中结构失真问题。该研究已被 ICML 2025 收录，并在多个图像生成任务中取得领先性能。
现有自回归图像生成模型存在缺乏全局结构建模能力、训练-推理分布不一致、尺度引导缺失等问题。Hi - MAR 借鉴人类绘画过程，采用自顶向下层次化生成范式，还引入多尺度联合训练策略等。实验显示，其在图像质量和语义一致性上优于主流方法，可以显著提升模型的全局感知能力与生成质量。
本次发表的论文《Hierarchical Masked Autoregressive Models with Low-Resolution Token Pivots》，展示了团队在多模态生成式基础架构设计领域的前沿探索。这一全新的层级自回归生成架构 Hi-MAR，为构建具备“全局感知+局部细化”能力的生成基础架构提供了新的范式，同时它也是HiDream系列开源模型家族重要的一员，为下一代多模态生成式基础架构的技术演进带来更多的可能性!
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
