HiDT

无标签也能高分辨率转换日间风格，CVPR Oral 官方实现。

HiDT 是 CVPR 2020 Oral 论文《High-Resolution Daytime Translation Without Domain Labels》的官方实现，专注于高分辨率图像日间转换任务。它解决了在无域标签条件下，如何将同一场景的不同日间状态（如清晨、正午、黄昏）进行风格迁移的问题。核心能力包括：利用生成对抗网络（GAN）实现高分辨率图像生成，通过无监督学习捕捉域间共享内容与风格差异，并支持图像编辑（如改变光照、色调）。项目采用 Jupyter Notebook 形式，提供训练和推理代码，适合研究图像翻译、无监督学习及高分辨率生成的研究者。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 651

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队advimman

所属国家

官网地址

GitHubhttps://github.com/advimman/HiDT

定价模式free

价格说明开源项目，BSD-3-Clause许可，完全免费，需自行部署。

访问状态

是否开源是

开源协议BSD-3-Clause

主要语言Jupyter Notebook

技术栈/模型computational-photography,deep-learning,gan,generative-adversarial-network,high-resolution,image-editing,image-generation,image-processing,image-to-image-translation,style-transfer,unsupervised-learning

GitHub 星标★ 651

30天Star增速

HF 下载量

上线时间2020-03-13 00:00:00

最近更新2026-08-20 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

核心亮点

基于 CVPR 2020 Oral 论文，算法有学术背书，效果有保障。
支持高分辨率图像生成，突破了以往低分辨率限制。
无需域标签，降低数据标注成本，适用性更广。

不足之处

训练代码依赖特定数据集，通用性待验证。
文档/社区待观察，项目更新不活跃。

适用场景

学术研究：复现论文实验，对比日间转换效果。
图像编辑：调整照片光照、色调，模拟不同时段。
数据增强：生成多样日间样本，用于训练其他视觉模型。

替代项目

MUNIT、CycleGAN、CUT

项目介绍

HiDT 是图像领域的开源项目，由 advimman 开发，2020 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 651。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-20。BSD-3-Clause许可，完全免费，需自行部署。

它主要面向的使用场景是：学术研究：复现论文实验，对比日间转换效果。同类可对比的替代方案包括 MUNIT、CycleGAN、CUT。

上一篇：XingGAN

下一篇：flat