模型详情
模型介绍
中文整理模型名称
Taming Scalable Visual Tokenizer for Autoregressive Image Generation（用于自回归图像生成的可扩展视觉分词器）
模型用途
用于自回归图像生成的视觉分词器，通过将图像转换为离散的token来支持图像生成任务。
主要能力
提出索引反向传播量化（IBQ）方法，这是一种新的向量量化技术，能够联合优化所有码本嵌入和视觉编码器，确保一致的潜在空间。IBQ实现了视觉分词器的可扩展训练，首次达成大规模码本（2^18）配合高维度（256）和高利用率。
输入输出
输入：图像
输出：离散视觉token
运行要求
暂无公开信息
基本用法
该仓库用于托管IBQ的检查点文件。
限制
暂无公开信息
许可证
暂无公开信息
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。
