上一篇
DELIFT是什么？一文让你看懂DELIFT的技术原理、主要功能、应用场景
HART是什么？一文让你看懂HART的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
HART概述简介
HART（Hybrid Autoregressive Transformer）是麻省理工学院研究团队推出的自回归视觉生成模型。能直接生成1024×1024像素的高分辨率图像，质量媲美扩散模型。HART基于混合Tokenizer技术，将自动编码器的连续潜在表示分解为离散token和连续token，其中离散token负责捕捉图像的主要结构，连续token专注于细节。HART的轻量级残差扩散模块仅用3700万参数，大幅提升计算效率。在MJHQ-30K数据集上，HART将重构FID从2.11降至0.30，生成FID从7.85降至5.38，提升了31%，在吞吐量上比现有扩散模型提高4.5-7.7倍，MAC降低6.9-13.4倍。
HART的功能特色
高分辨率图像生成：直接生成1024×1024像素的高分辨率图像，满足高质量视觉内容的需求。
图像质量提升：基于混合Tokenizer技术，HART在图像重建和生成质量上超越传统的自回归模型，与扩散模型相媲美。
计算效率优化：在保持高图像质量的同时，显著提高计算效率，降低训练成本和推理延迟。
自回归建模：基于自回归方法，逐步生成图像，支持对生成过程进行更精细的控制。
HART的技术原理
混合Tokenizer：HART的核心是混合Tokenizer，将自动编码器的连续潜在表示分解为离散token和连续token。离散token负责捕捉图像的主要结构，连续token专注于细节。
离散自回归模型：离散部分由一个可扩展分辨率的离散自回归模型建模，支持模型在不同分辨率下生成图像。
轻量级残差扩散模块：连续部分由一个轻量级的残差扩散模块学习，该模块只有3700万个参数，有助于提高模型的效率。
效率与性能平衡：HART在FID和CLIP分数上优于现有的扩散模型，在吞吐量上提高了4.5-7.7倍，MAC降低6.9-13.4倍，实现效率与性能的良好平衡。
自回归生成：HART基于自回归方法，逐步生成图像，每一步都基于前一步的输出，支持模型在生成过程中逐步细化图像细节。
HART项目介绍
项目官网：hanlab.mit.edu/projects/hart
GitHub仓库：https://github.com/mit-han-lab/hart
arXiv技术论文：https://arxiv.org/pdf/2410.10812
在线体验Demo：https://hart.mit.edu/
HART能做什么？
数字艺术创作：艺术家和设计师生成高质量的数字艺术作品，包括插图、概念艺术和视觉特效。
游戏开发：在游戏设计中，生成游戏资产，如角色、环境和道具的高分辨率图像。
电影和视频制作：生成电影海报、概念艺术或者作为视频内容的背景和特效。
广告和营销：营销团队快速生成吸引人的广告图像和营销材料。
社交媒体内容：用户为社交媒体平台生成个性化的图像和视觉内容。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Userwise
Userwise是一个AI驱动的易于使用的平台，帮助用户轻松收集、分析和优化客户反馈，从而提升客户满意度并进行数据驱动的决策。它具有情感分析、摘要生成...
lazybird
毫不费力地使用Lazybird的AI配音生成器为您的电子学习材料，播客或商业视频创建高质量的现实配音。有了免费且负担得起的选择，可以从各种自然语调中选...
Squawk Market
Squawk Market是最佳的实时市场广播，提供全面的市场音频，包括新闻、评论和分析。通过Squawk Market，您可以即时获取关键信息，并了...
BudCoder
BudCoder是一个为WordPress插件开发者设计的构建工具，它通过集成AI技术帮助用户快速创建和优化插件。该工具支持版本控制，允许开发者跟踪和...
on1 photo raw
On1 Photo Raw是AI驱动的照片编辑软件，旨在帮助摄影师组织，编辑，样式和分享他们的照片。借助强大的工具和功能，例如批处理处理，掩盖，层，纹...
no code ai bot builder
Orimon.ai是一款无代码AI机器人构建器，旨在帮助企业简化客户互动并最大化其销售额。它使用户能够创建功能强大的AI驱动机器人，并且在几分钟内没有...
jobrobo
JobRobo是一款自动化求职工具，帮助用户自动申请职位、自动与招聘者和招聘经理联系，并通过算法为用户匹配适合的工作。JobRobo提供100%的自动...
Chord Variations
Chord Variations是一个能够生成和弦的不同变化的网站。它可以根据用户选择的和弦根音和品质，生成该和弦的各种变化。用户可以通过添加和删除和...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
