谷歌DeepMind團隊與麻省理工學院（MIT）攜手，近日推出了一款名為“Fluid”的全新模型，該模型在文生圖領域取得了顯著突破。當模型參數規模達到105億時，其表現尤為出色。
在文生圖技術中，自回歸模型與擴散模型一直備受關注。其中，擴散模型因能生成高質量圖像而備受矚目，而自回歸模型則常用于文本生成。
然而，谷歌DeepMind與MIT團隊的研究發現，通過采用連續tokens和隨機生成順序，自回歸模型的性能和可擴展性得到了顯著提升。
連續tokens的使用減少了信息丟失，使模型能更好地重建圖像。而隨機生成順序則讓模型在理解整體圖像結構時表現更為出色。
在重要基準測試中，Fluid模型超越了Stable Diffusion 3擴散模型和谷歌此前的Parti自回歸模型。與Parti相比，Fluid在參數規模較小的情況下仍取得了相同的FID分數。
