VAR（Visual Autoregressive Modeling）を徹底解説 — 次スケール予測で拡散モデルを超えた画像生成【NeurIPS 2024 Best Paper】
GPTが文章を「次の単語」を1つずつ予測して生成するように、画像も「次のピクセル...
TOTEM — VQ-VAEで時系列を離散トークンに変換する【TMLR 2024】
自然言語処理（NLP）がここ数年で飛躍的に進化した背景には、テキストを離散トーク...