binary-latent-diffusion

在二值空间做扩散，让图像生成更快更省内存

Binary Latent Diffusion 是一个基于 PyTorch 的潜在扩散模型实现，专注于在二值化潜在空间中进行图像生成。它解决了传统扩散模型在连续潜在空间中计算开销大、内存占用高的问题，通过将 VQGAN 编码后的潜在特征二值化，将扩散过程限制在离散二值空间内，从而显著降低生成时的计算复杂度。项目支持文本到图像生成，核心能力包括：二值潜在空间的扩散训练与采样、基于 CLIP 的文本条件注入、以及从 VQGAN 解码器重建高分辨率图像。代码结构清晰，提供了训练和推理脚本，适合研究二值化表示在生成模型中的效果。目前项目处于早期阶段，文档和示例较少，但为探索高效生成模型提供了新思路。