项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 446
技术标签
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- NVIDIA GPU（显存 16GB 起）
- PyTorch 2.x
安装与启动步骤
-
1拉仓库看依赖
官方复现，架构与论文对应。
-
2建环境装依赖
按 requirements 装，注意 torch 与 diffusers 版本。
-
3下权重
仓库不含权重，按说明放到指定目录。
-
4跑文生图
先出单张图确认链路，再试图生图与编辑。
如何确认成功
同一提示词两次生成风格一致，且换成图生图模式时参考图的构图被保留
注意事项
- 它是一套统一架构覆盖文生图、文生视频等任务，属于研究复现。
- 不同任务用不同权重，别拿文生图的权重跑视频。
- 显存需求按任务差别很大，视频分支要求更高。
- 代码更新较快，跑之前先看最近提交。
核心亮点
- 提出高效注意力变体，大幅降低计算复杂度，训练和推理速度显著提升
- 统一支持文本到图像/视频等多任务，架构扩展性强
- ICLR 2025 论文背书，算法设计有理论保证，代码结构清晰易复现
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 预训练模型和完整训练流程可能未完全开放，上手门槛较高
适用场景
- 学术研究：作为高效扩散模型的新基线，对比验证创新模块效果
- 工业应用：在资源受限环境下快速生成高分辨率图像或短视频
- 教学实践：学习DiT架构优化思路，理解注意力机制改进
替代项目
Stable Diffusion、DiT (Diffusion Transformers)、PixArt-α
上一篇：Awesome-GPT4o-Image-Prompts
下一篇：RelaCtrl
同类项目推荐
aphantasia
开源
用 CLIP 加频谱变换，把文字变成图像和视频。
CLIP + FFT/DWT/RGB = text to image/video
expo-stable-diffusion
开源
在 iOS 应用中本地跑 Stable Diffusion，无需云端，即集即用。
Run Stable Diffusion using Core ML on iOS within your Expo & React Native App
PowerPaint
开源
一个模型搞定图像修补：插入、移除、外扩、形状生成全支持
[ECCV 2024] PowerPaint, a versatile image inpainting model that supports text-guided···
pollinations-image-lab
开源
免密钥、免费、多模型，一键生成 AI 图片
A modern AI image generator powered by Pollinations.ai with model selection, generat···
was-node-suite-comfyui
开源
给 ComfyUI 补齐上百个图像/文本/逻辑节点，工作流想怎么连就怎么连
WAS-NS v3 Reborn; Tools for image processing, filters, masking, text, logic, numbers···
stable-fashion
开源
输入文字或图片，一键生成模特试穿效果
Stable Fashion: A prompt based virtual try on repository
generativeart
开源
用 Go 代码快速生成独特艺术图案，输出 PNG 图片。
Generative Art in Go
min-dalle
开源
轻量跑通文本生图，普通显卡也能快速出图
min(DALL·E) is a fast, minimal port of DALL·E Mini to PyTorch
StabilityMatrix
开源
一站式管理 Stable Diffusion 环境与模型，告别命令行折腾
Multi-Platform Package Manager for Stable Diffusion