VQ-Diffusion：基于VQ-VAE的文本到图像扩散模型

VQ-Diffusion 是一种结合 VQ-VAE 和扩散模型的文本到图像生成方法。它首先使用 VQ-VAE 将图像压缩为离散的编码序列，然后在离散潜空间上应用扩散过程，从而在保持生成质量的同时显著提升采样速度。相比传统像素空间扩散模型，VQ-Diffusion 在 FID 和 IS 等指标上表现更优，且支持条件生成（如文本引导）。该模型在 ImageNet 和 MS-COCO 数据集上进行了验证，展示了高质量图像生成能力。