这样的RDM具有两个优点：
一是多样性强，二是计算开销小。
接着，利用RDM，团队就提出了今天的主角：表示条件图像生成架构RCG。
它是一个简单的自条件生成框架，由三个组件组成：
一个是SSL图像编码器，用于将图像分布转换为紧凑的表示分布。
一个是RDM，用于对该分布进行建模和采样。
最后是一个像素生成器MAGE，用于根据表示来处理图像像。
MAGE的工作方式主要是向token化的图像中添加随机掩码，并要求网络以从同一图像中提取的表示为条件来重建丢失的token。
最终，测试表明，这个自条件生成框架虽结构简单但效果非凡：
在ImageNet 256×256上，RCG实现了3.56的FID和186.9的IS（Inception Score）得分。
相比之下，在它之前最厉害的无条件生成方法FID分数为7.04，IS得分为123.5。
以及，相比条件生成，RCG也丝毫不逊色，可以达到相当甚至超过该领域基准模型的水平。
最后，在无分类器引导的情况下，RCG的成绩还能进一步提高到3.31（FID）和253.4（IS）。
团队表示：
这些结果表明，自条件图像生成模型拥有巨大潜力，可能预示这一领域新时代的到来。
团队介绍本文一共三位作者：
一作是MIT博士生黎天鸿，本科毕业于清华姚班，研究方向为跨模态集成传感技术。
他的主页很有意思，还专门放了一个菜谱合集——做研究和做饭是他最热爱的两件事。
