text-to-image-generation

Qwen-Image-Agent 提出了一种统一的代理框架，通过整合规划、推理、搜索和记忆机制，解决了文本到图像生成中的上下文差距问题。该框架引入了 IA-Bench 进行评估，并取得了最先进的性能。

通道级向量量化（Channel-wise Vector Quantization, CVQ）用通道级标记替换块级标记进行图像标记化，实现了一个下一通道预测框架（CAR），该框架通过逐步细化视觉细节生成图像，在重建和文本到图像生成性能上表现出色。