谷歌DeepMind团队与麻省理工学院（MIT）携手，近日推出了一款名为“Fluid”的全新模型，该模型在文生图领域取得了显著突破。当模型参数规模达到105亿时，其表现尤为出色。
在文生图技术中，自回归模型与扩散模型一直备受关注。其中，扩散模型因能生成高质量图像而备受瞩目，而自回归模型则常用于文本生成。
然而，谷歌DeepMind与MIT团队的研究发现，通过采用连续tokens和随机生成顺序，自回归模型的性能和可扩展性得到了显著提升。
连续tokens的使用减少了信息丢失，使模型能更好地重建图像。而随机生成顺序则让模型在理解整体图像结构时表现更为出色。
在重要基准测试中，Fluid模型超越了Stable Diffusion 3扩散模型和谷歌此前的Parti自回归模型。与Parti相比，Fluid在参数规模较小的情况下仍取得了相同的FID分数。
