この記事では、自動回帰（AR）画像生成モデルの新手法「Hawk」が提案されています。従来のARモデルは高精度な画像を生成する一方で、トークンごとの逐次的なデコーディングプロセスのために推論が遅いという問題があります。従来のスペキュレーティブデコーディング技術は、軽量なドラフトモデルを用いてARモデルの出力を近似し、テキスト生成を加速することに成功していますが、画像生成への応用は未開拓でした。Hawkは、画像の二次元空間構造を利用し、より正確かつ効率的な予測を導くことで、これらの課題を克服します。実験結果によると、Hawkは標準的なARモデルに対して1.71倍のスピードアップを達成し、画像の忠実性と多様性を保ちながら、そのパフォーマンスを向上させたことが示されています。