Tạo hình ảnh tự động hồi quy là phương pháp tạo hình ảnh xử lý hình ảnh dưới dạng một chuỗi mã thông báo và tạo ra nó bằng cách dự đoán mã thông báo tiếp theo theo thứ tự từ mã thông báo trước đó.
Tạo hình ảnh tự động hồi quy là phương pháp chuyển đổi hình ảnh thành một chuỗi các mã thông báo rời rạc và tạo ra một hình ảnh trong khi dự đoán tuần tự mã thông báo tiếp theo từ mã thông báo trước đó, tương tự như mô hình ngôn ngữ và được coi là một cách tiếp cận chính để tạo hình ảnh, cùng với các mô hình khuếch tán. Bởi vì văn bản và hình ảnh có thể được xử lý trong cùng một không gian mã thông báo, nên nó được cho là có khả năng theo dõi hướng dẫn cao và tính nhất quán trong chỉnh sửa từng phần và được cho là tương thích với việc tích hợp vào các mô hình đa phương thức. Mặt khác, do được tạo tuần tự nên cần nhiều thời gian để suy luận hơn mô hình khuếch tán và trong vận hành thực tế tính đến năm 2026, chi phí phát điện và thời gian chờ đợi sẽ là những yếu tố ảnh hưởng đến quyết định áp dụng nó tại hiện trường. Nói chung, đầu ra có độ phân giải càng cao thì càng có nhiều mã thông báo và chi phí API sẽ càng cao. Do đó, thông thường người ta sử dụng công cụ mô hình khuếch tán hoặc công cụ tự hồi quy tùy thuộc vào mục đích là tạo ra bản nháp thô hay sản phẩm cuối cùng có độ chính xác cao.