导读
VAR将视觉自回归从逐词元预测改写为由粗到细的下一尺度预测，提供与扩散Transformer并行的图像生成路线。
查看大图 ↗图1：VAR图像生成及零样本编辑样例。 来源为v2，图像版本与论文首次公开日分别记录。
Tian, Keyu; Jiang, Yi; Yuan, Zehuan; Peng, Bingyue; Wang, Liwei · original paper / arXiv · 原论文图文与所引作品权利归各自权利人；研究引用不代表开放授权，转载权利待独立复核。
资料出处 · Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction ↗档案研究说明
VAR将视觉自回归从逐词元预测改写为由粗到细的下一尺度预测，提供与扩散Transformer并行的图像生成路线。
ANTI-AI ARCHIVE · 修订 2026-10-03
论文研究了什么
模型按照分辨率尺度组织图像表示，每一阶段预测更细尺度。论文考察规模规律、ImageNet生成和补绘、扩图等迁移任务，并发布模型与代码供进一步研究。
本节依据: VAR：通过下一尺度预测进行视觉自回归生成
与生成艺术史的关系
编者解释：从粗到细的形成顺序提供了不同于像素扫描或逐步去噪的过程想象。艺术史可借此比较作品结构怎样被机器组织，而不把语言模型式生成当作唯一的自回归形式。
本节依据: VAR：通过下一尺度预测进行视觉自回归生成
阅读边界与版本
论文中的性能比较限定于指定模型与基准，不能概括为自回归在所有视觉任务上优于扩散。
本节依据: VAR：通过下一尺度预测进行视觉自回归生成
正文引用资料
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
VAR：对照MAR与Diffusion Loss：无需向量量化的自回归图像生成的方法、控制或评价条件。
VAR：对照PixArt-α的方法、控制或评价条件。
VAR：对照Stable Diffusion 3的方法、控制或评价条件。
日期与版本记录
节点标注日期：2024-04-03 · 来源记录的历史日期：2024-04-03
时间线采用arXiv首次公开日，不以会议发表、模型上线或2026-10-03补录日替代。正文及图像参照v2；该版日期见原文版本记录。
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。
Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction
https://arxiv.org/abs/2404.02905
当前引用地址
核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。
出处、翻译与核验状态
档案节点 #268 · 研究论文首次公开；方法、评估与制作条件
研究资料与补充出处 · 1
2022年以来重要论文补录与去重资料 · 核读arXiv摘要、署名和版本记录，以及原论文第1页所选图页；未全文审查证明、未复现实验。 · 025
原记日期: 2024-04-03
VAR：通过下一尺度预测进行视觉自回归生成 ↗
Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
已按条目所列范围核读官方资料；核读范围与待复核事项见来源说明。
引用本节点
ANTI-AI ARCHIVE. VAR：通过下一尺度预测进行视觉自回归生成. 艺术史节点 #268. https://salondesrefuses.cn/zh/art-history/348
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。