RCG: Self-conditioned Image Generation via Generating Representations TL; DR：将图像的无监督表征作为（自）条件（而非是将文本 prompt 作为条件），生成与原图语义内容一致的多样且高质量结果。视觉训练能不能 / 需不需要摆脱文本，仍有待研究。 引言 就像图像自监督表征学习（对比学习 / 图像掩码建模）成功赶超了有监

丰色 发自 凹非寺量子位 | 公众号 QbitAI 大佬何恺明还未正式入职MIT，但和MIT的第一篇合作研究已经出来了： 他和MIT师生一起开发了一个自条件图像生成框架，名叫RCG（代码已开源）。 这个框架结构非常简单但效果拔群，直接在ImageNet-1K数据集上实现了无条件图像生成的新SOTA。 它生成的图像不需要任何人类注释（也就是提示词、类标签什么的），就能做到既保真又具有多样性。

搬来大佬何恺明和MIT师生一起开发的一个自条件图像生成框架，名叫RCG。这个框架结构非常简单但效果拔群，直接在ImageNet-1K数据集上实现了无条件图像生成的新SOTA。 大佬何恺明还未正式入职MIT，但和MIT的第一篇合作研究已经出来了： 他和MIT师生一起开发了一个自条件图像生成框架，名叫RCG（代码已开源）。 这个框架结构非常简单但效果拔群，直接在ImageNet-1K数据集上实现

点击下方卡片，关注“CVer”公众号 AI/CV重磅干货，第一时间送达 点击进入—>【视觉和Transformer】微信交流群 扫码加入CVer知识星球，可以最快学习到最新顶会顶刊上的论文idea和CV从入门到精通资料，以及最前沿项目和应用！发论文，强烈推荐！ 在CVer微信公众号后台回复：RCG，即可下载论文pdf和代码链接！快学起来！ 转载自：量子位 大佬何恺明还未正式入职MIT，

Self-conditioned Image Generation via Generating Representations（RCG） work 提出的表示条件图像生成（Representation-Conditioned image Generation，RCG），一个简单而有效的框架用于自适应图像生成。 简而言之就是无附加条件生成相同分布的图片。 框架主要分为三步： 使用一个