feed_forward_vqgan_clip

免优化，直接生成，让文本转图像快人一步

这是一个前馈式VQGAN-CLIP模型，旨在解决传统文本生成图像方法中需要针对每个输入提示词反复优化VQGAN潜空间的问题。传统方法（如VQGAN-CLIP）在推理时需迭代优化，速度慢且计算成本高。该项目通过训练一个前馈网络，直接根据文本提示生成对应的图像潜码，从而免去逐次优化过程，显著提升生成速度。核心能力包括：利用OpenAI CLIP模型作为文本-图像对齐的监督信号，结合VQGAN的离散潜空间表示，实现快速文本到图像的生成。项目处于早期阶段，代码和模型仍在完善中，但展示了加速文本到图像生成的新思路。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 140

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mehdidc

所属国家

官网地址

GitHubhttps://github.com/mehdidc/feed_forward_vqgan_clip

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generative-model,openai-clip,text-to-image,vqgan

GitHub 星标★ 140

30天Star增速

HF 下载量

上线时间2021-07-16 00:00:00

最近更新2025-12-05 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

前馈推理，免去逐提示词优化，生成速度大幅提升
结合VQGAN离散潜空间与CLIP语义对齐，架构清晰
为加速文本到图像生成提供了新思路，有研究价值

不足之处

项目处于早期，代码和模型不完善，可能难以直接使用
文档和社区支持待观察，上手门槛较高

适用场景

快速原型验证，测试前馈式文本生成图像的可行性
学术研究，探索加速文本到图像生成的方法
作为教学案例，理解VQGAN与CLIP结合的前馈变体

替代项目

VQGAN-CLIP、DALL-E、CogView

项目介绍

feed_forward_vqgan_clip 是图像领域的开源项目，由 mehdidc 开发，2021 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 140。

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 2025-12-05。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：快速原型验证，测试前馈式文本生成图像的可行性。同类可对比的替代方案包括 VQGAN-CLIP、DALL-E、CogView。

上一篇：clip-gen

下一篇：TokenCompose