带辅助解码器的分层自回归图像模型

图像自回归生成模型往往偏向于捕获局部结构，因此它们生成的样本通常缺乏大尺度连贯性。为了解决这一问题，我们提出了两种学习图像离散表示的方法，以抽象掉局部细节。我们表明，以此类表示为条件的自回归模型能够生成高保真度的图像重建，并且我们可以在这些表示上训练自回归先验以生成具有大尺度连贯性的样本。我们可以递归地应用该学习过程，从而产生逐级更抽象的图像表示层次结构。我们在 ImageNet 数据集上训练了分层类别条件自回归模型，并证明它们能够在 128128 和 256256 像素的分辨率下生成逼真的图像。我们还开展了一项人工评估研究，将我们的模型与对抗式及基于似然的最先进生成模型进行了比较。