ostris 开源 Primal VAE：仅 2 倍压缩即可对标 FLUX VAE

ostrisai · x · 2026-10-31

AI 图像领域开发者 ostris 在 Hugging Face 开源 Primal VAE，提供 2x1 和 2x2 两种（压缩倍数×通道数）变体。核心思路是只做 2 倍空间压缩到 1-2 通道，再靠 DiT 端的 patching（patch 4）达到与 FLUX 1/2 VAE 相同的 8 倍压缩、16/32 通道 latent 形状，重建质量超过 FLUX 2 VAE。模型仅约 80M 参数，latent 被训练成接近标准正态分布，因此无需 scaling factor、shift factor 或 latent 归一化，编码后直接 patch 即可扩散。图像边长需为 16 的倍数，兼容 diffusers 的 AutoModel 加载，README 提供对接 Flux.1/Flux.2 latent 的具体代码。