viiika/Meissonic

[ICLR 2025] Official Implementation of Meissonic: Revitalizing Masked Generative Transformers for Efficient High-Resolution Text-to-Image Synthesis

What it solves

Meissonic 解決了高效產生高解析度影像的挑戰。它提供了一種在消費級顯示卡（GPU）上執行的輕量化方案，能合成最高 1024x1024 像素的影像。

How it works

Meissonic 是一種非自回歸的遮罩影像建模 Transformer。不同於傳統的自回歸模型逐像素或逐 token 產生，Meissonic 採用遮罩方式合成影像。它支援文字到影像以及影像到影像的任務，並且可以透過 FP8 量化進一步優化，以降低記憶體使用並維持效能。

Who it’s for

本專案面向希望在自有硬體上產生高品質、高解析度影像、且不依賴工業級運算資源的 AI 研究者、開發者與數位藝術家。

Highlights

  • High Resolution: Supports image generation up to 1024x1024.
  • Consumer GPU Friendly: Optimized for accessibility on home hardware.
  • Versatile Capabilities: Supports text-to-image, inpainting, and outpainting.
  • Performance Optimization: Includes FP8 quantization support to lower VRAM requirements to approximately 8.7GB.