2024年6月计算机视觉论文推荐：扩散模型、视觉语言模型、视频生成等

6月还有一周就要结束了，我们今天来总结2024年6月上半月发表的最重要的论文，重点介绍了计算机视觉领域的最新研究和进展。

Diffusion Models

1、Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation

LlamaGen，是一个新的图像生成模型，它将原始的大型语言模型的“下一个标记预测”范式应用于视觉生成领域。传统的自回归模型，如Llama，在视觉信号上没有归纳偏差，如果适当缩放，可以达到最先进的图像生成性能。论文LLM服务框架在优化图像生成模型的推理速度方面的有效性，并实现了326% - 414%的加速。

 

https://avoid.overfit.cn/post/d279d7b4b6c14bbb91de0d8fd786ecd8