业界通常使用扩散模型或自回归模型来研发AI生图模型，苹果公司近期发布的论文显示该公司正在选择一条被“遗忘”的归一化流技术路线研发相应模型。

　　据介绍，这一“归一化流”技术是一种通过学习数学变换的方式，将真实世界的数据转换成结构化噪声，并再将噪声还原为图像样本的生成模型。其最大优势是能够精确计算生成图像的概率，这是扩散模型无法做到的。这一特性使得归一化流在对概率要求较高的任务中具有独特吸引力。不过此类模型并不常见，参考苹果公司当然，TarFlow在生成高分辨率图像方面仍存在局限，这就引出了第二篇研究参考这篇论文，苹果在TarFlow的基础上进一步提出了增强版本：该模型最大的改进在于，此外，STARFlow还改进了对文本提示的处理方式。它不再内建专用文本编码器，而是支持调用现有语言模型来处理用户的语言指令。这样一来，模型的图像生成部分可以专注于图像细节的生成与优化。