项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 640
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- GPU 24G 显存
- PyTorch 与 transformers
- 预训练权重
安装与启动步骤
-
1先读范式
它把图像也当成 token 序列来预测，与传统扩散路线不同，先理解这点再看代码。
-
2装环境
按仓库说明建环境，注意它依赖特定版本的 transformers。
-
3下权重
权重托管在 Hugging Face，按官方页面取。
-
4跑文本生图
先用官方推理脚本出一张图，确认权重与分词器都加载对了。
-
5试图文互转
同一套权重能做图像理解，这条路径是它相对扩散模型的优势。
如何确认成功
同一份权重既能文生图也能图生文，输出连贯
注意事项
- 仓库首页信息较少，实现细节以论文与代码为准。
- 自回归生成图像的推理速度与分辨率都受限于模型规格。
- 生态配套远不如扩散模型，工具链要自己搭。
核心亮点
- 创新地将自回归语言模型用于图像生成，摆脱扩散模型的多步采样，提升效率
- 统一多模态生成框架，同时支持文本到图像和图像到文本，架构简洁
- 论文被 IJCV 接收，学术认可度高，代码结构清晰，便于二次开发
不足之处
- 项目处于早期阶段，预训练模型权重可能未完全开放，复现成本高
- 文档和社区支持待观察，示例和教程较少
适用场景
- 学术研究：探索自回归模型在视觉生成中的潜力
- 多模态应用开发：需要统一图像与文本生成能力的场景
- 高效图像生成：对生成速度有要求的实时或近实时应用
替代项目
VAR、LlamaGen、DALL-E 2
同类项目推荐
XRec
开源
用大模型给推荐配理由，让推荐更透明可信
[EMNLP'2024] "XRec: Large Language Models for Explainable Recommendation"
Multimodal-AND-Large-Language-Mo···
开源
每日精选多模态与LLM论文，快速跟进前沿动态
Paper list about multimodal and large language models, only used to record papers I ···
Awesome-LLM-in-Social-Science
开源
一键速览LLM在社会学科的前沿论文，紧跟研究热点
Awesome papers involving LLMs in Social Science.
awesome-turkish-language-models
开源
找土耳其语AI资源，看这一个列表就够了
A curated list of Turkish AI models, datasets, papers
Diffusion-Models-Papers-Survey-T···
开源
学视频生成怕绕路？这份资料库帮你理清
Diffusion model papers, survey, and taxonomy
Awesome-LLM-Strawberry
开源
一站式追踪 o1 推理前沿，快速上手慢思考模型
A collection of LLM papers, blogs, and projects, with a focus on OpenAI o1 and reas···
Awesome-Foundation-Models-on-Gra···
开源
一站式收藏图基础模型论文、代码和数据集，快速入门研究。
A collection of graph foundation models including papers, codes, and datasets.
Chinese-Llama-2-7b
开源
下载即用的中文 LLaMA2，让中文对话开箱即跑
开源社区第一个能下载、能运行的中文 LLaMA2 模型！
MooER
开源
开箱即用的端到端语音对话模型，一句话搞定实时交互
MooER: Moore-threads Open Omni model for speech-to-speech intERaction. MooER-omni in···