lpd

让自回归图像生成提速数倍，实时出图不等待。

lpd 是一个面向自回归图像生成的高效并行解码算法，由 ICLR 2026 Oral 论文提出。它针对自回归图像生成中逐 token 串行解码速度慢的问题，利用图像局部性（locality）设计并行解码策略，在 ImageNet 等数据集上显著加速生成过程，同时保持生成质量。项目提供核心算法实现、训练与推理代码，支持主流自回归图像生成模型，旨在让高分辨率图像生成更实时、更高效。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 105
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mit-han-lab
所属国家
官网地址
GitHubhttps://github.com/mit-han-lab/lpd
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acceleration,autoregressive,efficient-algorithm,image-generation,imagenet,parallel-decoding
GitHub 星标★ 105
30天Star增速
HF 下载量
上线时间2025-07-02 00:00:00
最近更新2026-09-23 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5

使用教程

核心亮点

  • 基于图像局部性原理，并行解码策略科学有效，加速比显著
  • ICLR 2026 Oral 论文背书，算法经过学术评审
  • 代码结构清晰，易于集成到现有自回归图像生成模型

不足之处

  • 项目早期，文档和社区支持待观察
  • 依赖特定模型架构，通用性有待验证

适用场景

  • 高分辨率图像生成场景，需要实时预览
  • 大规模图像数据集（如 ImageNet）上的生成任务
  • 自回归图像生成模型的推理加速优化

替代项目

DiffusionLLM、Blockwise Parallel Decoding、Speculative Decoding

项目介绍

lpd 是图像领域的开源项目，由 mit-han-lab 开发，2025 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 105。

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 2026-09-23。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：高分辨率图像生成场景，需要实时预览。同类可对比的替代方案包括 DiffusionLLM、Blockwise Parallel Decoding、Speculative Decoding。

上一篇：stable-diffusion-cpp-python

下一篇：wp-banana

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