titok-pytorch

用32个token搞定图像重建与生成，效率翻倍

TiTok 是字节跳动提出的图像分词模型，核心思想是将图像压缩为极少的 token（如 32 个），用于图像重建和生成。本仓库是其 PyTorch 实现，解决了传统 VQGAN 等模型 token 数量多、计算开销大的问题，在保持重建质量的同时大幅提升生成效率。项目提供模型定义、训练和推理代码，支持从预训练权重加载，适合研究图像离散表示、自回归生成和扩散生成。技术栈涉及向量量化、Transformer 和生成对抗网络，代码结构清晰，便于二次开发。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 184
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队lucidrains
所属国家
官网地址
GitHubhttps://github.com/lucidrains/titok-pytorch
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型artificial-intelligence,deep-learning,image-generation,vector-quantization
GitHub 星标★ 184
30天Star增速
HF 下载量
上线时间2024-06-17 00:00:00
最近更新2026-06-02 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • token数量极少（32个），显著降低计算和存储开销
  • 代码结构清晰，便于理解图像分词核心逻辑
  • 支持预训练权重加载，快速上手实验

不足之处

  • 文档/社区待观察
  • 依赖特定实现细节，复现需谨慎调参

适用场景

  • 图像压缩与高效存储
  • 自回归图像生成
  • 扩散模型加速采样

替代项目

VQGAN、VQ-VAE、MaskGIT

项目介绍

titok-pytorch 是图像领域的开源项目，由 lucidrains 开发，2024 年首次发布。

它收录于图像分类，该分类目前共有 840 个项目，GitHub 星标数为 184。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-02。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：图像压缩与高效存储。同类可对比的替代方案包括 VQGAN、VQ-VAE、MaskGIT。

上一篇：stable-diffusion-nvidia-docker

下一篇：StableDiffusionTelegram

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
imagen-pytorch 开源

说句话生成高清图，放大也不糊

Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch

★ 8427 2026-08-09