AiM 是图像领域的开源项目，由 hp-l33 开发，2024 年首次发布。
它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 148。
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 2026-07-06。MIT许可证，完全免费，需自行部署。
它主要面向的使用场景是：研究自回归图像生成的新架构探索。同类可对比的替代方案包括 VQGAN、DALL-E、ImageGPT。
AiM
用 Mamba 做自回归图像生成，更快更省算力
AiM 是论文《Scalable Autoregressive Image Generation with Mamba》的官方 PyTorch 实现，旨在探索用 Mamba（一种状态空间模型）替代传统 Transformer 进行自回归图像生成。它解决了现有自回归图像生成模型在长序列建模上计算复杂度高、生成速度慢的问题，通过 Mamba 的线性复杂度特性，实现更高效的图像生成。核心能力包括：基于 Mamba 的自回归图像生成框架、支持大规模图像生成、提供训练和推理代码。项目目前处于早期阶段，代码结构清晰，适合研究者和开发者用于实验和二次开发。
开源
free
图像生成
GitHub 星标
★ 148
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hp-l33
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，需自行部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型auto-regressive-model,image-generation,mamba
GitHub 星标★ 148
30天Star增速
HF 下载量
上线时间2024-07-16 00:00:00
最近更新2026-07-06 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5
使用教程
核心亮点
- 基于 Mamba 架构，相比 Transformer 具有线性复杂度，长序列生成更高效
- 官方实现，与论文同步，代码可信度高
- 支持大规模图像生成，适合高分辨率场景
不足之处
- 项目早期，文档和社区支持待观察
- 依赖 Mamba 库，环境配置可能较复杂
适用场景
- 研究自回归图像生成的新架构探索
- 需要高效生成高分辨率图像的场景
- 作为 Mamba 在视觉任务中的应用参考
替代项目
VQGAN、DALL-E、ImageGPT
项目介绍
下一篇：HR-VITON
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···