transformer_latent_diffusion 是图像领域的开源项目，由 apapiu 开发，2024 年首次发布。
它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 229。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-01。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：研究Transformer在生成模型中的应用。同类可对比的替代方案包括 Stable Diffusion、DiT、U-ViT。
transformer_latent_diffusion
用Transformer替换U-Net，探索扩散模型新架构
这是一个基于Transformer核心的文本到图像潜在扩散模型实现，旨在探索用Transformer替代传统U-Net作为扩散模型主干网络的可能性。项目解决了Stable Diffusion等模型依赖U-Net结构、难以扩展和表达长距离依赖的问题，通过将Transformer的注意力机制引入潜在扩散框架，实现更灵活的图像生成。核心能力包括：文本条件图像生成、潜在空间扩散训练、Transformer骨干网络集成，以及基于PyTorch的完整实现。项目代码结构清晰，适合研究Transformer在扩散模型中的应用，但处于早期阶段，功能尚不完善。
开源
free
图像生成
GitHub 星标
★ 229
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队apapiu
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型deep-learning,diffusion-models,generative-ai,latent-diffusion,pytorch,stable-diffusion
GitHub 星标★ 229
30天Star增速
HF 下载量
上线时间2024-01-01 00:00:00
最近更新2026-09-01 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 创新性地将Transformer作为扩散模型核心，摆脱U-Net局限
- 代码基于PyTorch，结构清晰，便于二次开发和研究
- 支持文本条件生成，紧跟Stable Diffusion生态
不足之处
- 项目处于早期，文档和示例不完善
- 训练和推理效率可能低于成熟U-Net方案
适用场景
- 研究Transformer在生成模型中的应用
- 开发自定义文本到图像生成模型
- 作为扩散模型架构改进的基线
替代项目
Stable Diffusion、DiT、U-ViT
项目介绍
上一篇：Skimmed_CFG
同类项目推荐
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···