模型介绍
中文整理# Open-MAGVIT2 模型卡片
模型用途
Open-MAGVIT2 是一个用于自回归视觉生成的 tokenizer（分词器），可将图像和视频转换为离散token表示，是视觉生成模型的核心组件。
## 主要能力
MAGVIT2 tokenizer 采用创新的 LookUpFree 量化技术，将 codebook 规模扩展至 2^18（约 26 万个码字），显著提升了离散 token 的表达能力。该 tokenizer 在图像生成和视频生成任务中均展现出优异的性能，是当前先进自回归视频生成模型 VideoPoet 的核心组件。
Open-MAGVIT2 基于 MAGVIT-2 的 tokenizer 设计理念，使用 PyTorch 重新实现，在复现效果上接近原始实现。
## 输入输出
输入：原始图像或视频数据
输出：量化后的离散 token 序列
运行要求
基于 PyTorch 框架运行。
基本用法
该 tokenizer 主要用于视觉生成任务，可将输入图像或视频编码为离散 token 序列，供自回归生成模型使用。
## 限制该模型为 tokenizer 组件，本身不直接生成图像或视频，需配合自回归生成模型完成最终输出。
许可证
请参考项目代码仓库中的许可证信息。
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。