模型详情
模型介绍
中文整理# Open-MAGVIT2
模型用途
Open-MAGVIT2是一个视觉生成的分词器（tokenizer），专为自回归视觉生成任务设计，可用于图像和视频生成。
## 主要能力
- 引入创新的LookUpFree量化技术
- 将码本大小扩展至2^18规模
- 在图像和视频生成任务中展现出良好的性能
- 是VideoPoet等先进自回归视频生成模型的核心组件
## 技术背景
此前，VQGAN作为初始分词器在主流自回归视觉生成任务中扮演重要角色。由于码本大小和码字利用率的限制，基于VQGAN的自回归生成能力被低估。MAGVIT2通过改进分词器设计，显著提升了自回归视觉生成的效果。
## 实现说明
该代码库遵循MAGVIT-2分词器设计的重要理念，使用PyTorch重新实现，目前取得了与原始实现最接近的结果。
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
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、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。
