parti-pytorch

用纯Transformer把文字变成高清图像，复现Google Parti模型

Parti是一个基于纯注意力机制（Transformer）的文本生成图像模型，由Google Research提出。该项目是Parti的PyTorch非官方实现，旨在让研究者和开发者无需依赖Google的TPU和专有代码，即可在常用GPU上复现和实验这一前沿模型。Parti的核心思路是将图像生成视为序列生成任务：通过ViT-VQGAN将图像离散化为视觉token序列，然后利用一个自回归Transformer根据文本提示预测这些token，最终重建为图像。项目提供了模型架构定义、训练和采样逻辑，支持从零训练或加载预训练权重。它解决了文本到图像生成中高分辨率、细节保真和文本对齐的挑战，尤其擅长处理复杂场景和长文本描述。该实现代码结构清晰，基于PyTorch生态，便于二次开发和集成，适合学术研究、技术验证和创意工具开发。