Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Progress by Pieces: Test-Time Scaling for Autoregressive Image Generation

Created by
  • Haebom
Category
Empty

저자

Joonhyung Park, Hyeongwon Jang, Joowon Kim, Eunho Yang

개요

본 논문은 텍스트-이미지 생성에 사용되는 시각적 자기 회귀 모델의 성능 향상을 위한 새로운 테스트 시간 스케일링 프레임워크인 GridAR을 소개합니다. 기존의 Best-of-N과 같은 단순한 스케일링 전략의 한계를 극복하기 위해, GridAR은 그리드 분할 기반의 점진적 생성 방식과 레이아웃 기반 프롬프트 재구성을 결합하여 불필요한 계산을 줄이고, 더 나은 결과를 도출합니다.

시사점, 한계점

•
시사점:
◦
시각적 자기 회귀 모델의 테스트 시간 스케일링 방식 개선을 통해 이미지 생성 품질 향상
◦
GridAR은 Best-of-N 보다 적은 계산량으로 더 높은 성능을 달성
◦
이미지 편집 작업에도 적용 가능하며, 편집 품질과 의미 보존 측면에서 개선
•
한계점:
◦
GridAR의 효과가 특정 시각적 자기 회귀 모델에 국한될 수 있음
◦
레이아웃 기반 프롬프트 재구성의 효율성에 대한 추가적인 연구 필요
◦
복잡한 프롬프트에 대한 GridAR의 성능 검증 필요
👍
Made with Slashpage