gatilin/harmon_0_5b_visual_mar_codec
Image-to-Image • 0.3B • Updated
Unified Visual Components | 统一多模态视觉组件
理解与生成模型的视觉子系统、原生像素/潜变量接口与混合组件包。所需共享语言/MoT 主干逐项说明。
Note Harmon 的完整视觉 MAR、VAE、扩散预测/采样头及语言空间投影；不含 Qwen 语言主干。
gatilin/hidream_o1_vision_pixel_io
0.6B • Updated • 24Note HiDream-O1 视觉/deepstack、像素输入及时间/输出接口；不含共享语言/flow 主干，不能独立生成。
gatilin/illumex_vision_flow_io
Image Feature Extraction • 0.5B • UpdatedNote ILLUME-X 的 SigLIP 视觉塔、连接层、flow 边界及原生 BAGEL VAE 依赖；不含语言/MoT 主干。
gatilin/internlumina_u2_visual_io
0.6B • Updated • 29Note InternLumina-U2 多码本输入/输出与 AR head；AToken tokenizer 及共享扩散主干需另配。
gatilin/mobile_o_0_5b_visual_components
Image Feature Extraction • 1B • Updated • 1Note FastViT/MobileCLIP、MCP、完整 SANA 与 DC-AE 编解码器；不含 Qwen 语言主干。不是仅含 ViT 或 VAE 的仓库。
gatilin/ovis_u1_3b_visual_components
Image Feature Extraction • 2B • UpdatedNote AIMv2 软视觉 tokenizer、视觉嵌入表及完整 Yak flow/VAE 分支；理解 tokenizer 不是像素 VQ codec，不含 Qwen3 主干。
gatilin/pixelumm_pixel_io
52.5M • Updated • 27 • 1Note PixelUMM 图像/视频像素输入输出接口；不含共享 MoT 主干，不是独立 VAE 或语义编码器。
gatilin/sensenova_u1_5_8b_pixel_io
80.7M • Updated • 29Note 原生 RGB 输入/输出投影、时间与噪声接口；不含共享 MoT 主干，不是独立 ViT、VAE 或生成器。
gatilin/sensenova_vision_perception_io
Image Feature Extraction • 0.5B • UpdatedNote SenseNova-Vision 的 SigLIP、flow 接口及 BAGEL VAE；区别于 SenseNova-U1.5，不含共享 MoT 主干。
gatilin/showo2_1_5b_visual_flow_components
Feature Extraction • 1B • UpdatedNote Show-o2 语义塔、融合接口及十层 flow 分支，附原生 Wan2.1 VAE；完整生成仍需匹配的 Qwen 主干。
gatilin/unicom_vision_compression
0.5B • Updated • 26Note UniCom 语义压缩/展开与 flow 接口；不含像素解码器、FLUX VAE 或语言主干。原生 aligner 输入宽度不匹配处明确拒绝隐式适配。
gatilin/unilip_1b_visual_components
Image Feature Extraction • 1B • UpdatedNote InternVision、连接层、自定义 DC-AE 解码器和完整 SANA 分支；编码走视觉塔而非 RGB VAE。加载需按说明另取上游 decoder 源码。