LLLMWIKI
正文元数据首页

来源笔记 · 更新于 2026-07-14

Pixel Recurrent Neural Networks像素级自回归图像建模

#near-cvpr-2025#image-generation#autoregressive#primary-source

PixelRNN / PixelCNN：像素级自回归生成

一句话结论

PixelRNN/PixelCNN 把图像概率精确分解为逐像素条件分布，建立了可计算似然但顺序采样昂贵的视觉自回归基线。

问题定义

怎样不引入近似后验或对抗判别器，直接为自然图像定义可训练、可计算的规范化概率？

方法概述

按栅格和通道顺序分解图像概率，用遮罩卷积或二维 LSTM 只读取已生成上下文。

关键发现

  • 教师强制使训练可并行，生成仍必须顺序执行。
  • 显式似然提供可比较目标，却不等同于感知质量。
  • 像素级分解是后续视觉 token 自回归路线的历史前置。

局限或疑问

  • 序列长度随像素数增长，采样极慢。
  • 固定栅格顺序不一定最适合全局结构。
  • 低分辨率结果不能外推到现代大模型。

原始链接

相关页面

元数据
{
  "id": "2026-07-14-pixelrnn",
  "type": "source",
  "title": "Pixel Recurrent Neural Networks：像素级自回归图像建模",
  "status": "reviewed",
  "created": "2026-07-14",
  "updated": "2026-07-14",
  "venue": "ICML 2016",
  "ingested_at": "2026-07-14",
  "tags": [
    "near-cvpr-2025",
    "image-generation",
    "autoregressive",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Aaron van den Oord",
    "Nal Kalchbrenner",
    "Koray Kavukcuoglu"
  ],
  "published_at": "2016-01-01",
  "canonical_links": [
    "https://arxiv.org/abs/1601.06759",
    "https://arxiv.org/pdf/1601.06759"
  ],
  "raw_entry": "raw/ingest/2026-07-14-pixelrnn/",
  "analysis_note": "raw/ingest/2026-07-14-pixelrnn/analysis.md",
  "topics": [
    "topics/visual-generation-foundations"
  ],
  "entities": [],
  "claims": [],
  "questions": []
}