在圖像生成技術的最新突破中，智象未來科研團隊提出了一種創新的圖像生成方法——層級掩碼自回歸模型（Hi-MAR），該方法在ICML 2025大會上大放異彩，因其顯著提升了圖像生成的質量和結構完整性而受到廣泛關注。
傳統自回歸圖像生成模型一直面臨挑戰，包括難以捕捉全局結構、訓練與推理階段的不一致性，以及在生成過程中缺乏明確的尺度引導。Hi-MAR模型則通過模擬人類的繪畫習慣，采取了一種自頂向下的層次化生成策略，這一策略不僅增強了模型的全局理解能力，還解決了以往模型中的諸多不足。
為了進一步優化模型性能，Hi-MAR引入了多尺度聯合訓練策略，這一創新使得模型能夠在不同分辨率下學習圖像特征，從而在生成過程中保持結構的一致性和語義的準確性。實驗結果表明，Hi-MAR在圖像質量和語義連貫性方面均超越了當前的主流方法，顯著提升了生成圖像的整體視覺效果。
智象未來團隊在最新發表的論文《以低分辨率標記為中心的層級掩碼自回歸模型》中，詳細闡述了Hi-MAR的設計思路和實現細節。該論文不僅展示了團隊在多模態生成式基礎架構設計領域的深厚積累，還為構建兼具全局感知與局部細化能力的生成模型提供了新的思路。
Hi-MAR作為HiDream系列開源模型家族的重要成員，其成功發布標志著智象未來在圖像生成技術上的又一次重大飛躍。這一創新架構不僅為圖像生成領域帶來了新的可能性，也為下一代多模態生成式基礎架構的技術演進奠定了堅實的基礎。
Hi-MAR模型的提出還引發了學術界和工業界的廣泛關注，眾多專家和學者對其給予了高度評價，認為該模型為解決自回歸圖像生成中的結構失真問題提供了全新的視角和解決方案。
隨著Hi-MAR模型的廣泛應用和深入研究，相信未來將有更多基于該架構的創新應用涌現，為圖像生成技術的發展注入新的活力。
智象未來團隊的這一成果不僅是對圖像生成技術的重大貢獻，更是對人工智能領域的一次有力推動，展現了團隊在前沿科技探索上的卓越實力和無限潛力。
