vae-lagging-encoder
修复VAE后验坍缩，让生成模型更稳定多样
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 ★ 185
核心亮点
- 直接复现ICLR 2019经典论文，算法实现完整，适合学术研究
- 同时覆盖图像和文本生成任务，验证了方法的通用性
- 代码结构清晰，基于PyTorch，易于修改和扩展
不足之处
- 项目维护较少，依赖库版本较老，可能需自行适配新环境
- 文档/社区待观察
适用场景
- 学术研究：复现论文实验或对比VAE改进方法
- 生成模型开发：需要稳定训练VAE并避免后验坍缩的场景
- 教学示例：讲解VAE训练难点及解决方案
替代项目
Variational Autoencoder (PyTorch官方示例)、beta-VAE、VQ-VAE
上一篇：PyTorch-CycleGAN
同类项目推荐
OpenRLHF
开源
基于 Ray 的强化学习框架，让大规模 RLHF 训练又快又稳
An Easy-to-use, Scalable and High-performance Agentic RL Framework based on Ray (PPO···
SLED
开源
不训练不微调，用模型自己纠正自己，让回答更靠谱
SLED: Self Logits Evolution Decoding for Improving Factuality in Large Language Mode···
Awesome-Model-Quantization
开源
一页看全模型量化论文、工具与部署方案
A curated collection of papers, benchmarks, surveys, and tools for model quantizatio···
runbooks
开源
在K8s上声明式微调LLM，一键跑通训练全流程
Finetune LLMs on K8s by using Runbooks
rlix
开源
让 RL 实验排队更聪明，GPU 等待时间更短
Run more RL experiments. Wait less for GPUs.
HoliTom
开源
合并视频令牌，让视频大模型推理快数倍
[NeurIPS 2025] HoliTom: Holistic Token Merging for Fast Video Large Language Models
Directional-Preference-Alignment
开源
用方向性偏好让模型对齐更精准，训练更稳定
Directional Preference Alignment
vector-quantize-pytorch
开源
一行替换量化层，轻松训练离散潜变量模型
Vector (and Scalar) Quantization, in Pytorch
create-stable-diffusion-from-scr···
开源
手写Stable Diffusion核心代码，从零看懂扩散模型
Implemented a stable diffusion architecture using PyTorch.