MergeVQ

合并token减计算，一框架搞定图像生成与表征

MergeVQ是一个面向视觉生成与表征学习的统一框架，核心思路是将token合并（Token Merging）与向量量化（Quantization）结合，在ImageNet等数据集上同时支持图像生成和表征学习任务。它解决了传统视觉Transformer中token数量过多导致计算开销大、生成与表征任务割裂的问题，通过可学习的合并策略减少冗余token，并利用量化离散化提升表征质量。框架提供统一的训练和推理流程，适用于自监督表征学习和条件图像生成，在保证生成质量的同时显著降低计算成本。该工作发表于CVPR 2025，代码基于Python和深度学习库实现。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 51

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ApexGen-X

所属国家

官网地址

GitHubhttps://github.com/ApexGen-X/MergeVQ

定价模式free

价格说明开源项目，Apache-2.0许可，完全免费，需自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deep-learning,image-generation,imagenet,machine-learning,representation-learning,token-merging

GitHub 星标★ 51

30天Star增速

HF 下载量

上线时间2025-03-24 00:00:00

最近更新2026-06-30 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

统一框架同时覆盖生成与表征学习，减少重复训练成本
token合并机制有效降低计算量，适合高分辨率图像
基于CVPR 2025论文，方法有理论支撑，代码开源

不足之处

项目处于早期，星标仅51，社区生态和文档尚不完善
仅支持ImageNet等特定数据集，泛化性待验证

适用场景

图像生成任务中需要降低计算资源消耗的场景
自监督视觉表征学习，用于下游分类或检测
研究token合并与量化结合的学术实验

替代项目

VQGAN、MaskGIT、BEiT

项目介绍

MergeVQ 是图像领域的开源项目，由 ApexGen-X 开发，2025 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 51。

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 2026-06-30。Apache-2.0许可，完全免费，需自行部署。

它主要面向的使用场景是：图像生成任务中需要降低计算资源消耗的场景。同类可对比的替代方案包括 VQGAN、MaskGIT、BEiT。

上一篇：aislingeach

下一篇：RandAR