MGVQ

让 VQ-VAE 超越 VAE，多组量化提升图像重建与生成质量

MGVQ 是一个面向图像生成与重建的通用 tokenizer 模型，核心思路是让 VQ-VAE 在性能上超越传统 VAE。它通过多组量化（multi-group quantization）将图像离散化为多个码本组合的 token，从而提升表征的泛化能力和重建质量。项目解决了 VQ-VAE 在复杂图像（尤其是超高清 UHD）上重建模糊、码本利用率低的问题，支持自回归模型（如 C2I）直接使用其 token 进行高保真图像生成。技术栈基于 Python，包含完整的训练与推理流程，并附带 UHD 数据集支持。当前为 Arxiv 2025 论文的开源实现，代码结构清晰，适合研究者复现实验或作为图像 tokenizer 的替代方案。