LlamaGenは、大規模言語モデルのネイティブな次トークン予測パラダイムを画像生成分野に適用した、新しい画像生成モデルファミリーです。適切な拡張により、視覚信号の帰納バイアスを必要とすることなく、最先端の画像生成性能を実現します。LlamaGenは、画像トークナイザーの設計空間、画像生成モデルのスケーラビリティ特性、およびそのトレーニングデータの質を再検討しました。