Tag · 4 篇
自回归建模
分布 生成模型与扩散2视频理解与时序13D 视觉与重建1
01 02 03 04
FARMER：面向像素的流式自回归 Transformer
FARMER: Flow AutoRegressive Transformer over Pixels
把可逆归一化流当作像素到潜变量序列的变换器，再在潜变量上做自回归建模，为视觉生成提供了一条可精确计算似然的像素级生成路线；其中的潜变量通道分组降维与一步蒸馏加速思路，可直接迁移到其他长序列视觉生成模型的效率优化上。
双向归一化流：从数据到噪声再返回
Bidirectional Normalizing Flow: From Data to Noise and Back
BiFlow 用可学习的逆向模型替代归一化流中严格可逆的前向变换，从而摆脱因果解码瓶颈，将采样速度提升两个数量级，为基于流的生成模型提供了一种更灵活、更快的训练与采样范式。
超越扫描路径：动态场景中基于图的注视模拟
Beyond Scanpaths: Graph-Based Gaze Simulation in Dynamic Scenes
把注视轨迹当作自回归动力系统逐帧展开，并用异构图Transformer建模注视、交通目标与道路结构的关系，为动态场景中的注意力/显著性预测提供了可复用的时序建模范式。
以动画师为中心、面向精细细节物体的骨骼生成
Animator-Centric Skeleton Generation on Objects with Fine-Grained Details
把骨骼预测建模为语义感知的自回归 token 序列生成，并用可学习的密度区间模块实现骨骼密度的软控制；这套「语义分组 tokenization + 密度控制」的思路可迁移到其他结构化 3D 输出（如关节层级、部件分解）的可控生成。