parti-pytorch

收录理由

Parti 是 Google 针对扩散式文生图模型给出的另一种解法：它不靠去噪像素，而是把图像生成当作离散视觉 token 上的自回归序列问题。这个仓库用 PyTorch 从零实现了该架构，并搭配了一个基于 ViT 的 VQ-GAN VAE，还附带了可运行的训练代码，因此你可以顺着从图像编码到文本条件生成的完整链路一步步走通。API 设计得很直接：先训练 VAE，再把它插进 Parti 模块，最后用一串描述调用 generate() 就能得到 PIL 图像，条件缩放参数也暴露了 classifier-free guidance 的调节能力。需要留意的是，这是研究导向的实现，并非开箱即用的服务，你得自己准备数据集和训练算力。如果你想并排比较自回归与扩散两种路线，或者在大规模投入前先拆解一下架构细节，这个项目会是个合适的起点。