GEAR

GEAR是一个面向图像合成的端到端自回归建模框架，通过联合训练矢量量化（VQ）编码器与自回归解码器，使编码器能感知下游生成器的梯度信号，从而学习更易预测的离散表征。其核心技术包括软分配桥接机制、无需直通估计器的梯度传递、兼容多种量化方案（VQ/LFQ/IBQ），并支持文本到图像生成。项目在ImageNet上实现约10倍gFID收敛加速，在GPIC等基准上显著提升NTP和REPA损失收敛速度。适用于需要高效离散表征建模的图像生成、条件图像合成及多模态生成任务。