# Przewidywanie kolejnej skali (od szkicu do detalu)

EN: **Next-scale prediction (visual autoregressive modelling, VAR)** · id `var` · aliases: VAR, visual autoregressive modeling, next-scale prediction, coarse-to-fine generation, multi-scale tokenizer

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Sieci i modele generatywne](https://aiatlasgraph.com/t/neural.md) › [Rodziny modeli generatywnych](https://aiatlasgraph.com/t/generative.md) › [Autoregresyjne generowanie obrazu i dźwięku](https://aiatlasgraph.com/t/argen.md) › Przewidywanie kolejnej skali (od szkicu do detalu)

## Description

- PL: Autoregresja po skalach: transformer przewiduje całą mapę tokenów wyższej rozdzielczości warunkowaną wszystkimi niższymi, zamiast tokenów w porządku rastrowym.
- EN: Autoregression over scales: a transformer predicts a whole higher-resolution token map conditioned on all lower ones, instead of tokens in raster order.

## In one sentence

- PL: Generator, który najpierw tworzy malutką, rozmytą wersję obrazu, a potem kolejno coraz większe i ostrzejsze.
- EN: A generator that first makes a tiny, blurry version of the image and then ever larger and sharper ones.

## Problem it solves

- PL: Modele piszące obraz fragment po fragmencie są wolne i gorsze od dyfuzji, choć przy tekście ta metoda świetnie się skaluje.
- EN: Models that write an image fragment by fragment are slow and lag diffusion, even though this method scales superbly for text.

## What it does

- PL: Jak malarz: najpierw plamy kolorów i kompozycja, potem kształty, na końcu drobne pociągnięcia pędzla.
- EN: Like a painter: first patches of colour and composition, then shapes, and finally fine brushstrokes.

## Everyday example

- PL: Podgląd generowanego obrazka najpierw pokazuje rozmyte plamy, które w kilka chwil wyostrzają się w gotową ilustrację.
- EN: A preview of a generated picture first shows blurry blobs that sharpen within moments into a finished illustration.

## This concerns you if you…

- PL: śledzisz, czy modele językowe dogonią dyfuzję w obrazach
- PL: interesuje cię generowanie od ogółu do szczegółu
- EN: follow whether language-style models will catch diffusion on images
- EN: are interested in generating from general to detailed

## Keywords

VAR · next-scale prediction · multi-scale VQ-VAE · coarse-to-fine generation · ImageNet FID · scaling laws

## How it works

- PL: Wielośkalowy tokenizer kwantyzujący koduje obraz jako stos map tokenów o rosnącej rozdzielczości. Transformer typu GPT generuje kolejne mapy, a wszystkie tokeny jednej skali powstają równolegle. Autorzy raportują lepszą jakość i szybkość niż transformery dyfuzyjne na ImageNet oraz prawa skalowania podobne do modeli językowych.
- EN: A multi-scale quantising tokenizer encodes the image as a stack of token maps of increasing resolution. A GPT-style transformer generates successive maps, with all tokens of one scale produced in parallel. The authors report better quality and speed than diffusion transformers on ImageNet and language-model-like scaling laws.

## Limits

- PL: Główne wyniki pracy pochodzą z generowania warunkowanego klasą na ImageNet 256×256. Przewaga nad innymi rodzinami w tym ustawieniu nie dowodzi takiej samej przewagi dla tekstu, innych rozdzielczości ani innych zbiorów; system nadal zależy od tokenizera wieloskalowego.
- EN: The paper's main results come from class-conditional generation on ImageNet 256×256. An advantage in that setting does not establish the same advantage for text prompts, other resolutions or other datasets; the system still depends on a multi-scale tokenizer.

## Key terms

- PL: **tokenizer wielośkalowy**: Koduje obraz jako kilka map kodów, od zgrubnej po szczegółową.
- PL: **prawa skalowania**: Regularne poprawianie wyników wraz ze wzrostem modelu i obliczeń.
- EN: **multi-scale tokenizer**: Encodes an image as several code maps, from coarse to fine.
- EN: **scaling laws**: Results improving steadily as model size and compute grow.

## Know first

- [Przewidywanie następnego tokenu (modele autoregresyjne) (Next-token prediction objective)](https://aiatlasgraph.com/t/nexttoken.md)

## Sources

- [Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction](<https://arxiv.org/abs/2404.02905>) `tian-var-2024` · by Keyu Tian, Yi Jiang, Zehuan Yuan, Bingyue Peng, Liwei Wang

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/var · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30