Text-to-Image-Synthesis
用文本描述生成对应图像，快速跑通经典GAN基线
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 ★ 409
使用教程
⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
环境要求
- Python 3.6 时代环境
- NVIDIA GPU
- 图文配对数据集
安装与启动步骤
-
1准备旧版 PyTorch
论文代码年代久远，新版框架里不少接口已变。
-
2拉仓库看结构
训练脚本与数据加载分开，先读配置。
-
3备一份图文配对数据
COCO 这类带描述的图像集即可。
-
4跑小规模训练
先用极小步数确认 loss 会下降。
如何确认成功
在小规模数据上训练若干步后，损失呈下降趋势，且生成的图像与输入描述在主要对象上对得上
注意事项
- 这是较早的文本到图像 GAN 复现，生成质量与今天的扩散模型不在一个量级，主要价值是理解条件生成的原理。
- 依赖旧版 PyTorch，直接在新环境装大概率一堆报错。
- GAN 训练本身不稳，模式崩塌很常见，别指望一次就出好结果。
- 想要可用效果，直接用 Stable Diffusion 系列，不必在这上面耗。
核心亮点
- 代码简洁，直接复现论文核心结构，适合入门学习
- 基于PyTorch，环境配置简单，易于修改和扩展
- 提供CUB数据集处理脚本，开箱即用
不足之处
- 仅支持CUB鸟类数据集，泛化性有限
- 生成图像分辨率低，细节粗糙
- 文档/社区待观察
适用场景
- 学术研究：复现经典文本生成图像基线
- 教学演示：理解GAN跨模态生成原理
- 快速原型：验证文本到图像的基本流程
替代项目
StackGAN、AttnGAN、DALL-E
上一篇：Auto1111SDK
下一篇：stable-flow
同类项目推荐
qwen-image-2.1-skill
开源
一句话需求自动改写成官方规范提示词，出图更听话
Agentic skill for Qwen-Image-2.1: Rewrites and optimizes text-to-image and multi-ima···
Feishu-Stablediffusion
开源
在飞书里直接喊话，AI 帮你出图，省去切换工具。
由stablediffusion赋能的飞书图片生成类机器人
ian-handdrawn-ppt
开源
输入技术主题，秒出中文手绘风格 PPT 整页图
中文手绘技术 PPT 整页图像生成 Skill | 21:9 封面 + 16:9 正文配图 | PNG 输出
Stable-Diffusion-WebUI-Image-Fil···
开源
在WebUI里直接给生成图加滤镜调参数，省去外部修图。
Image postprocessing extension for stable diffusion webui.
ComfyUI_VNCCS
开源
一次设定角色，批量出统一立绘
Visual Novel Character Creation Suite is a comprehensive tool for creating character···
bingart
开源
用 Python 轻松调用 Bing 的 AI 图像和视频生成能力
Is an unofficial async API wrapper for Bing Image & Video Creator. It allows you to···
DistanceGAN
开源
无需配对数据，保持图像结构做风格迁移
Pytorch implementation of "One-Sided Unsupervised Domain Mapping" NIPS 2017
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
comfyui-diffusion-cg
开源
在ComfyUI里直接调潜空间色彩，让生成图拥有电影级色调
Custom Nodes for ComfyUI that perform color grading based on the latent tensor value···