FoundationVision/Infinity
[CVPR 2025 Oral] Infinity ∞ : Масштабирование побитового авторегрессионного моделирования для синтеза изображений высокого разрешения
Что это за инструмент
Infinity — это модель генерации изображений на основе авторегрессионного моделирования, которая превосходит по скорости и качеству топовые диффузионные модели (SD3, SDXL).
Зачем нужен
Инструмент решает задачу высокоскоростной генерации фотореалистичных изображений высокого разрешения (до 1024x1024) с использованием битового авторегрессионного подхода. Он полезен тем, что обеспечивает генерацию 1024x1024 изображения за 0.8 секунды (в 2.6 раза быстрее SD3-Medium) и демонстрирует более высокие оценки качества (GenEval, ImageReward) без дополнительной оптимизации.
Что можно реализовать
- Генерация высокодетализированных изображений с точным соблюдением текстовых промптов
- Создание контента в реальном времени благодаря высокой скорости инференса
- Исследование масштабирования словаря токенов и авторегрессионных моделей
- Замена диффузионных моделей в задачах, где критична скорость генерации
Ключевые возможности
- Скорость генерации 1024x1024 изображения за 0.8 секунды
- Превосходство над SD3-Medium и SDXL по бенчмаркам GenEval и ImageReward
- Использование битового классификатора (IVC) для снижения требований к параметрам
- Механизм Bitwise Self-Correction для устранения расхождений между обучением и инференсом
- Открытые веса моделей Infinity-2B и Infinity-8B, а также код токенизатора BitVAE
👤 Кому подойдёт: исследователи в области компьютерного зрения, разработчики AI-инструментов, инженеры по машинному обучению