导读
VQGAN 将卷积编码器的局部视觉能力与 Transformer 的全局建模结合，形成高质量离散视觉表示。它直接影响了早期 VQGAN+CLIP 艺术文化，也为 latent-space generative models 提供重要技术经验。
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。
Esser, Rombach & Ommer · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · Taming Transformers / VQGAN ↗档案研究说明
把图像词汇与长程组合结合起来。
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
Taming Transformers用卷积网络学习压缩的图像组成单位，再让Transformer学习这些单位之间的组合。这样避免了在高分辨率图像的每个像素上直接运行很长的序列模型。类别、分割等信息可以作为生成条件；会议发表时间与2020年的预印本时间应分开记录。
在艺术史中的位置
它的历史位置也在于代码与方法如何被重新组合：后来VQGAN+CLIP工作流把这一视觉表示与文字—图像相似性连接。原始论文和社区工作流应各有节点，前者并不已经包含后者的全部操作与美学。
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VQGAN+CLIP：社区工作流之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2020–2021 · 来源记录的历史日期：2020–2021
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。
Taming Transformers / VQGAN
https://openaccess.thecvf.com/content/CVPR2021/html/Esser_Taming_Transformers_for_High-Resolution_Image_Synthesis_CVPR_2021_paper.html
当前引用地址
出处、翻译与核验状态
主线节点 #111 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 21 · 070
原记日期: 2020–2021
驯服 Transformer：VQGAN ↗
Taming Transformers / VQGAN
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. 驯服 Transformer：VQGAN. 艺术史节点 #111. https://salondesrefuses.cn/zh/art-history/070
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。