预训练光栅扫描自回归图像模型改造为任意顺序生成器

Stony Brook 大学与蒙特利尔 ÉTS/LIVIA 提出将预训练光栅扫描自回归图像模型改造为任意顺序生成器。该方法借助未来感知位置嵌入和顺序课程学习，以极少的额外计算支持 inpainting 和 outpainting，并保留 KV caching 与 vLLM 等推理生态兼容性；相比之下，现有离散扩散方案需从头训练多种 token 顺序，代价约为标准光栅扫描训练的 3 倍。