parti-pytorch
用纯Transformer把文字变成高清图像，复现Google Parti模型
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 ★ 536
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。
环境要求
- PyTorch
- 大显存显卡
- 图像文本对数据
安装与启动步骤
-
1装包
社区实现，装完在代码里调。
pip install parti-pytorch -
2先训视觉分词器
它是在离散图像码本上做自回归，这一步不能省。
-
3训文本到图像的主模型
分词器训好之后再叠 Transformer。
-
4小样本验证
先用几万张图看能不能出合理结构。
-
5读作者的状态说明
他会直接写这条路线的现状，看完再决定投入。
如何确认成功
小样本训练后能按提示词生成结构合理的图像，且同一提示词多次采样能看到明显多样性
注意事项
- 这是 Parti 的社区复现，纯注意力路线的文生图，不是官方代码。
- 两阶段流程，分词器质量决定上限。
- 训练成本高，个人很难训到可用水平。
- 研究复现为主，别指望开箱即用。
核心亮点
- 完整复现Google Parti的纯注意力架构，无需TPU即可在GPU上训练
- 代码模块化清晰，基于PyTorch，易于修改和集成到现有项目
- 支持从零训练和加载预训练权重，灵活适配不同数据规模
不足之处
- 项目处于早期阶段，文档和示例较少，上手门槛较高
- 未提供官方预训练权重，复现效果需自行训练验证
适用场景
- 学术研究：探索自回归Transformer在图像生成中的极限
- 创意工具：根据文本描述快速生成概念图或插画
- 模型对比：与扩散模型（如Stable Diffusion）进行效果对比
替代项目
DALL-E 2 (OpenAI)、CogView (清华)、Make-A-Scene (Meta)
上一篇：T2F
下一篇：break-a-scene
同类项目推荐
InfiniteYou
开源
换脸不换人，照片随心改，身份永不变
[ICCV 2025 Highlight] InfiniteYou: Flexible Photo Recrafting While Preserving Your I···
MultiDiffusion
开源
无需训练，用多路径融合实现区域级可控图像生成
Official Pytorch Implementation for "MultiDiffusion: Fusing Diffusion Paths for Cont···
nft-collection-generator
开源
一键生成海量 NFT 图像和元数据
Generates images and metadata for a collection of NFTs.
UNO
开源
一个模型搞定单主体和多主体图像定制，无需微调，即开即用。
[ICCV 2025] UNO: A Universal Customization Method for Both Single and Multi-Subjec···
sd-webui-negpip
开源
在正向提示词里写[不要的]，自动变负向提示词
Extension for Stable Diffusion web-ui enables negative prompt in prompt
stable-diffusion-webui-blip2-cap···
开源
给SD训练图自动写描述，省下手写标签的时间
BLIP2 captioning tool as an extension of AUTOMATIC's WebUI
LGGAN
开源
从语义图生成逼真场景，局部细节与全局结构双管齐下。
[CVPR 2020] Local Class-Specific and Global Image-Level Generative Adversarial Netwo···
sd-webui-qrcode-toolkit
开源
在 Stable Diffusion 里一键生成美观又扫得出的二维码
Anthony's QR Toolkit for Stable Diffusion WebUI
karbonized
开源
用代码写图像，自动生成和编辑，告别手动操作。
The Programable Image Editor