SJD-PV：基于短语验证的自回归图像生成的预测雅各布解码
计算机视觉与模式识别
2026-03-10 v1
摘要
自回归（AR）图像模型最近在生成能力方面展现出惊人的潜力，但其序列性质导致显著的推理延迟。现有的训练-free 加速方法通常独立验证标记，忽略相邻视觉标记之间的强共现模式。这种独立假设常导致上下文不一致，限制了解码效率。本文引入一种新颖的训练-free 加速框架，执行短语级预测验证，使模型能够在每个解码窗口内联合验证多个相关标记。为构建此类短语单元，我们分析训练语料库中的标记共现统计，将频繁共现的标记分组为语义连贯的视觉短语。在推理期间，所提出的短语级验证通过对每个短语计算聚合似然比，允许在保持生成质量的同时同时接受多个标记。广泛实验表明，方法显著减少函数调用次数（NFE），在不损害视觉保真度的前提下实现最高 30% 的加速。我们的发现表明，建模短程标记共现为加速自回归推理提供了有效且通用的原则。
引用
@article{arxiv.2603.06666,
title = {SJD-PV: Speculative Jacobi Decoding with Phrase Verification for Autoregressive Image Generation},
author = {Zhehao Yu and Baoquan Zhang and Bingqi Shan and Xinhao Liu and Dongliang Zhou and Guotao Liang and Guangming Ye and Yunming Ye},
journal= {arXiv preprint arXiv:2603.06666},
year = {2026}
}