从随机条纹到可识别数字：一个自回归图像生成模型的构建
2025-06-08
本文详细介绍了如何构建一个简单的自回归图像生成模型，该模型使用多层感知器（MLP）生成手写数字图像。作者首先解释了自回归模型的核心概念，即基于之前的像素预测下一个像素。然后，作者逐步构建了三个模型：模型V1使用one-hot编码，忽略了空间信息；模型V2引入了位置编码，提高了图像结构性；模型V3使用了学习到的标记嵌入和位置编码，并实现了条件生成，能够根据给定的数字类别生成相应的图像。尽管生成的图像与最先进的模型相比还存在差距，但该教程清晰地展现了自回归模型的核心思想和构建过程，对于理解生成式AI的基础概念具有重要意义。
阅读更多
AI