G-STAR: генерация картинок в 20 раз быстрее на сжатых токенах

🤖 G-STAR: генерация картинок в 20 раз быстрее на сжатых токенах

DAGroup (Peking University) с Meituan Longcat, SJTU и другими выпустила G-STAR (arXiv:2611.13004) — фреймворк авторегрессионной генерации изображений на дискретных токенах. Кодовая группа растёт квадратично со сжатием при фиксированном бит-бюджете, что даёт 32x и эффективные 64x через безпотерьную упаковку блоков 2x2. Картинка 1024x1024 — за 2,5 секунды на одной NVIDIA H200.

🌍 Дискретные AR-генераторы работают на токенах со сжатием 32-64x без потери качества и на скорости диффузионных моделей. Это снижает стоимость inference и открывает путь к генерации в реальном времени и единым LLM-пайплайнам.

👤 Обе модели открыты на Hugging Face (DAGroup-PKU/G-star) и работают на одной H100/H200. Pro-8B правит картинку по тексту, качество текста и лиц держится даже при 64x.

Источник 1: https://arxiv.org/abs/2611.13004 Источник 2: http://dagroup-pku.github.io/G-STAR/