VQGAN (Vector Quantized Generative Adversarial Network) 是一種基于 GAN 的生成模型，可以將圖像或文本轉換為高質量的圖像。

VQ （Vector Quantization）是一種數據壓縮技術，是指將連續數據表示為離散化的向量。輸入的圖像或文本被映射到 VQ 空間中的離散化向量表示，然后，離散化向量然后被送到 GAN 模型中進行圖像生成。（參見上圖的下半部分）在訓練過程中，VQGAN 模型會優化兩個損失函數：一個用于量化誤差（即離散化向量和連續值之間的誤差），另一個用于生成器和判別器之間的對抗損失。
GAN 是由生成器和判別器兩個模型組成的，生成器負責生成圖像，判別器負責判斷生成的圖像是否為真實的圖像。在訓練過程中，生成器和判別器相互博弈，不斷優化各自的參數，以使生成的圖像更接近真實圖像。

原文鏈接：https://blog.csdn.net/qq_42208244/article/details/132889927

VQGAN理論加代碼一對一詳解，小白向解析-CSDN博客