导读
VQ-VAE-2 使用层级离散潜变量和 autoregressive priors 达到当时很高的图像质量，为 DALL·E 等将视觉表示 token 化的大模型路径提供重要技术背景。
查看大图 ↗所链接文献 PDF 的第 1 页，保留原图与原语言。页面版本以来源文件为准；后来的修订或重印日期不替代节点的历史日期。
Ali Razavi; Aaron van den Oord; Oriol Vinyals · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · Generating Diverse High-Fidelity Images with VQ-VAE-2 ↗档案研究说明
在压缩编码的不同尺度上组织图像。
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
VQ-VAE-2扩展了离散编码的生成方式：编码器先压缩图像，自回归模型在编码空间而非逐像素空间中学习生成。多尺度层次把较大结构与局部细节结合起来。论文将这种方法与GAN比较，报告质量与多样性方面的实验结果；这些是特定数据集上的模型评估。
在艺术史中的位置
它提供了理解后续视觉词元系统的一个中间环节：图像先被转换为可计算的有限词汇，再重新组合。这样的表示方式影响可生成的结构与细节，但不能单凭编码机制解释作品的意义或作者身份。
正文引用资料
核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与神经离散表征学习：VQ-VAE之间的制作方法、控制方式或展示语境。
比较本条与驯服 Transformer：VQGAN之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2019 · 来源记录的历史日期：2019
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
Generating Diverse High-Fidelity Images with VQ-VAE-2
https://arxiv.org/abs/1906.00446
当前引用地址
出处、翻译与核验状态
主线节点 #105 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 20 · 066
原记日期: 2019
VQ-VAE-2：多样且高保真的图像生成 ↗
Generating Diverse High-Fidelity Images with VQ-VAE-2
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. VQ-VAE-2：多样且高保真的图像生成. 艺术史节点 #105. https://salondesrefuses.cn/zh/art-history/066
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。