CIAR：基于区间的协作解码用于图像生成加速

自回归（AR）模型最近在图像生成方面取得了显著进展，达到了与基于扩散的方法相当的性能。然而，其计算密集性和序列特性阻碍了设备端部署，导致破坏性延迟。我们通过云端-设备协作框架 CIAR 来解决这一问题，该框架利用设备端自验证来处理视觉合成的两个关键特性：实现高保真图像所需的大量词元词汇表，以及固有的空间冗余性——这导致均匀区域具有极高的可预测性，而物体边界则表现出高度不确定性。统一验证在这些冗余词元上浪费资源。我们的解决方案以设备端词元不确定性量化器为核心，该量化器采用连续概率区间来加速处理，使其适用于大型视觉词表，而非传统的离散解集。此外，我们引入区间增强解码模块，通过分布对齐训练策略在保持视觉保真度和语义一致性的同时进一步加速解码。大量实验表明，CIAR 实现了 2.18 倍加速，并将云端请求减少 70%，同时保持了与现有方法相当的图像质量。