历史背景与研究说明
Parti 探索与 diffusion 并行的 autoregressive 路线，把图像 token 当作另一种“语言”生成。它说明 2022 年文生图爆发并非只有 diffusion 一条技术道路。
日期与版本记录
节点标注日期：2022-06 · 研究母版原记日期：2022-06
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Scaling Autoregressive Models for Content-Rich Text-to-Image Generation
https://sites.research.google/parti/
当前引用地址
出处、翻译与核验状态
档案节点 #084 · 历史节点
研究母版与补充出处 · 3
AI 艺术谱系研究母版 · p. 25 · 084
原记日期: 2022-06
Parti：扩展自回归模型以生成丰富图像 ↗
Scaling Autoregressive Models for Content-Rich Text-to-Image Generation
生成式视觉发布编年研究母版 · p. 6 · R023
原记日期: 2022-06
Parti：扩展自回归模型以生成丰富图像 ↗
Google Parti
生成式视觉发布编年研究母版 · p. 6 · R025
原记日期: 2022-06
Parti：扩展自回归模型以生成丰富图像 ↗
Parti
站内说明据母版译编，非外链全文译本；AI 辅助翻译，待人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. Parti：扩展自回归模型以生成丰富图像. 艺术史节点 #084. https://salondesrefuses.cn/zh/art-history/084
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。