Hugging Face Diffusers 支持 VQ-Diffusion 离散扩散模型与原理解析

中科大与微软提出的离散潜空间扩散模型 VQ-Diffusion 已集成至 Hugging Face Diffusers 库，支持通过极简代码加载预训练权重。该模型基于 VQ-VAE 将图像转为离散 token，并在离散空间中完成加噪与双向 Transformer 去噪，在保证生成质量的同时将推理速度较自回归模型提升最高 15 倍。