模型介绍
中文整理模型名称
Latent Zoning Networks（潜在区域网络）
模型用途
Latent Zoning Network（LZN）是一个统一的机器学习框架，旨在同时解决生成建模、表征学习和分类三个核心问题。该框架创建了一个共享的高斯潜在空间，通过编码器将不同数据类型映射到不相交的潜在区域，再通过解码器将潜在向量映射回数据。
主要能力
图像生成：在AFHQ Cat、CIFAR10、LSUN Bedroom、CelebA-HQ数据集上实现无条件图像生成
条件图像生成与分类：在CIFAR10数据集上同时实现条件图像生成和图像分类
图像嵌入：在ImageNet数据集上提取图像的特征向量
模型增强：可与现有模型（如Rectified Flow）结合使用，提升图像生成质量
输入输出
无条件图像生成模型：无需输入，输出与训练集相似的新图像
条件图像生成模型：输入类别索引（1-10），输出随机图像
图像分类模型：输入图像，输出类别索引（1-10）
图像嵌入模型：输入图像，输出浮点数向量形式的嵌入表示
运行要求
具体硬件和软件要求请参阅GitHub仓库和论文。
基本用法
图像生成：模型可生成与训练数据相似的新图像
条件生成与分类：根据指定类别索引生成对应类别的图像，或对输入图像进行分类
图像嵌入：获取输入图像的特征向量表示
限制
模型不具备文本输入或输出能力，无法进行文本条件的图像生成
生成的图像质量并非完美，可能包含模糊或无法识别的物体等伪影
模型继承训练数据的偏见、错误或遗漏，AI生成的解读可能放大这些问题
模型目前仅用于研究，尚未在现实场景中应用，不建议用于商业用途
模型无法生成特定人物的可识别图像，从随机噪声生成的类人图像不可控且不可重复
许可证
MIT
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。