DALLE2-pytorch

这是一个基于PyTorch实现的DALL·E 2文本到图像生成模型，复现了OpenAI提出的双阶段架构：先通过扩散先验网络（diffusion prior）将CLIP文本嵌入映射为图像隐空间嵌入，再由解码器生成高质量图像。项目聚焦于可复现的研究实现，支持自定义训练与推理，具备模块化设计、兼容LAION数据集及Hugging Face预训练权重等特点。适用于AI艺术创作、学术研究、多模态模型开发等需要可控文本驱动图像合成的场景。