UniGen-AR: 자기회귀 모델링으로 시각적 생성을 통합하다

연구진이 멀티모달 언어 모델과 다음 스케일 기반 비주얼 오토리그레시브 디코더를 결합한 UniGen-AR을 공개했다.

이 시스템은 텍스트-이미지 생성, 이미지 편집, 복원 등 15개 이상의 이미지 작업을 하나의 모델로 처리한다.

보고에 따르면 diffusion 기반 대안보다 추론 지연을 최대 19배 줄이면서도 품질은 비슷하거나 더 좋다.

특히 토크나이저 설계가 확장성과 성능에 중요한 요소로 확인됐다.