定義
自己回帰画像生成とは、画像をトークン列として扱い、直前のトークンから次のトークンを順に予測しながら生成する画像生成方式のこと。
自己回帰画像生成 (Autoregressive Image Generation)とは（詳しく解説）
自己回帰画像生成は、画像を離散トークン列に変換し、言語モデルと同様に前のトークンから次のトークンを順次予測しながら画像を生成する方式で、拡散モデル(Diffusion)と並ぶ画像生成の主要アプローチとされる。テキストと画像を同じトークン空間で扱えるため指示追従性や部分編集の一貫性が高いとされ、マルチモーダルモデルへの統合と相性が良いとされる。一方で逐次生成のため拡散モデルより推論に時間がかかりやすく、2026年時点の実運用では生成コストや待機時間が現場での採用判断を左右する要因になっている。相場感としては高解像度出力ほどトークン数が増えAPIコストが膨らみやすいため、用途がラフな下書き生成なのか高精度な最終成果物なのかで、拡散モデル系ツールと自己回帰系ツールを現場で使い分けるのが一般的な選び方とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「自己回帰画像生成 (Autoregressive Image Generation)とは」 https://aipicks.jp/glossary/autoregressive-image-gen
自己回帰画像生成 (Autoregressive Image Generation)の使用例
- 「サイバーパンク都市の夜景を1024pxで」と指示すると、先頭から順にトークンを予測しながら画像が仕上がっていく。
- 拡散モデル系ツールと自己回帰系ツールに同じプロンプトを入れ、生成時間とディテールの再現度を見比べて選ぶ。
