muse-maskgit-pytorch

用掩码Transformer并行生成图像，速度远超扩散模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 86 🐛 待处理 11 👀 关注 32

GitHub ↗

GitHub 星标 ★ 918

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，无付费版本。

项目预览

muse-maskgit-pytorch 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队lucidrains

GitHubhttps://github.com/lucidrains/muse-maskgit-pytorch

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型artificial-intelligence,attention-mechanisms,deep-learning,text-to-image,transformers

GitHub 星标★ 918

上线时间2023-01-03 00:00:00

代码更新2024-02-29

仓库体积292 KB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

Muse-MaskGit-PyTorch 是 Google 提出的 Muse 文本生成图像模型的非官方 PyTorch 实现。Muse 采用掩码生成式 Transformer（Masked Generative Transformers）架构，通过离散视觉令牌（VQGAN 编码）和双向 Transformer 并行预测被掩码的令牌，实现高效的文本到图像生成。该项目解决了传统自回归扩散模型生成速度慢的问题，将图像生成过程转化为并行解码任务，大幅缩短推理时间。核心能力包括：基于预训练 VQGAN 的离散令牌表示、文本条件注入、掩码调度策略（如随机、余弦）以及迭代并行解码。代码结构清晰，支持自定义训练和推理，适合研究掩码生成范式或作为高效图像生成基线。尽管是早期项目，但提供了完整的模型定义和训练流程，便于二次开发。

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 ★ 918

技术标签

artificial-intelligence deep-learning text-to-image transformers

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。

难度：进阶约 30 分钟部署方式：本地 GPU 4 步

环境要求

PyTorch 2.x + GPU
训练需 16GB 以上显存

安装与启动步骤

1装包

lucidrains 的实现通常一个 pip 包搞定，装完即可 import。
```
pip install muse-maskgit-pytorch
```
2准备数据

训练需要图像文件夹，按分辨率裁好；推理用预训练权重可跳过数据准备。
3跑最小示例

构造 MaskGit 模型与 VQGANTrainer，用一张图先跑通前向，确认显存够。
4扩到文生图

加文本编码器后即可条件生成，训练成本较高，建议先微调小分辨率。