Infinity

收录理由

Infinity 是 CVPR 2025 Oral 项目，把自回归图像生成推进到了比特层面。它的分词器不再依赖有限词表预测下一个 token，而是直接预测比特，作者认为这种方式在高分辨率合成上扩展性更好。仓库提供了 2B 和 8B 的权重，能从文本提示生成 1024×1024 的照片级图像，报告中的 GenEval 和 ImageReward 分数超过 SD3-Medium，未经额外优化时生成一张图大约只需 0.8 秒。训练与推理代码、在线演示以及 Hugging Face 权重一应俱全，既可以拿来直接跑，也能深入研读方法细节。如果你正在对比 VAR 这类自回归方案与扩散管线的优劣，这里是一个很有价值的参考点。