递进棋盘格用于自回归多尺度图像生成
计算机视觉与模式识别
2026-02-26 v2
摘要
自回归图像生成的一个关键挑战是如何在保持串行条件化的同时，高效地并行采样独立位置。一些最近的工作通过在多尺度金字塔中在不同尺度之间进行条件化来解决这一问题。另一些工作则尝试使用常规分区或随机化顺序来并行化单个图像中的样本。在本工作中，我们研究了一种基于递进棋盘格的灵活、固定顺序方案，用于多尺度自回归图像生成。我们的顺序方案在每个尺度上从均匀分布的区域并行抽样，保持所有层级的完全平衡性，每一步都维持 quadtree 子划分的平衡。这使得在尺度之间以及在尺度内部进行有效的条件化成为可能。令人惊讶的是，我们发现在这种平衡设置下，只要总序列化步骤数相同，一系列尺度放大因子都会得到相似的结果。在基于类别条件的 ImageNet 上，我们的方法在使用较少采样步骤的情况下，与最近的状态自回归系统性能相当，尤其是那些具有相似模型容量的系统。
引用
@article{arxiv.2602.03811,
title = {Progressive Checkerboards for Autoregressive Multiscale Image Generation},
author = {David Eigen},
journal= {arXiv preprint arXiv:2602.03811},
year = {2026}
}