BitVAE

用比特级分词，让图像生成更精细高效

BitVAE 是一个图像分词器（tokenizer）的官方训练与推理代码库，属于自回归图像生成模型的基础组件。它通过将图像编码为离散的比特级 token，替代传统的 VQVAE 或 VAE 使用的连续或离散码本，从而在压缩图像信息的同时保留更细粒度的细节。BitVAE 的核心创新在于比特级分词，能有效提升自回归模型的生成质量和效率，同时降低码本崩溃的风险。该项目解决了现有图像分词器在压缩率、重建保真度和训练稳定性上的不足，为图像生成、图像压缩和跨模态任务提供了更优的基础工具。代码基于 Python 实现，支持主流深度学习框架，适合研究者复现和扩展。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 72

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FoundationVision

所属国家

官网地址

GitHubhttps://github.com/FoundationVision/BitVAE

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autoregressive-models,image-generation,image-tokenizer,vae,vqvae

GitHub 星标★ 72

30天Star增速

HF 下载量

上线时间2025-05-18 00:00:00

最近更新2026-08-05 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3

使用教程

核心亮点

比特级分词设计新颖，能捕捉更细粒度的图像细节，提升重建质量
官方代码，训练和推理流程完整，便于复现和二次开发
针对自回归模型优化，可无缝集成到现有生成框架中

不足之处

项目处于早期阶段，文档和社区支持尚不完善
比特级分词可能增加序列长度，导致训练和推理速度下降

适用场景

自回归图像生成（如像素级生成）
图像压缩与重建
多模态模型中的视觉编码器

替代项目

VQGAN、VQVAE-2、RAR (Random Auto-Regressive)

项目介绍

BitVAE 是模型训练领域的开源项目，由 FoundationVision 开发，2025 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 72。

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 2026-08-05。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：自回归图像生成（如像素级生成）。同类可对比的替代方案包括 VQGAN、VQVAE-2、RAR (Random Auto-Regressive)。

上一篇：modular-diffusion

下一篇：finetuning-notebooks