mixture-of-diffusers

组合多个扩散模型，生成高分辨率复杂场景图像

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 41 🐛 待处理 5 👀 关注 7

GitHub ↗

GitHub 星标 ★ 450

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

mixture-of-diffusers 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队albarji

GitHubhttps://github.com/albarji/mixture-of-diffusers

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,computer-vision,diffusion-models,stable-diffusion

GitHub 星标★ 450

上线时间2022-08-23 00:00:00

代码更新2023-05-21

仓库体积780 KB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

Mixture of Diffusers 是一个基于扩散模型的图像生成工具，专注于场景合成与高分辨率图像生成。它解决了单一扩散模型在生成复杂场景或高分辨率图像时表现不佳的问题，通过将多个预训练的扩散模型（如 Stable Diffusion）进行组合，每个模型负责图像的不同区域或不同分辨率层级，最终融合成完整的高质量图像。核心能力包括：支持多模型协同生成、区域化控制（如指定不同模型生成前景与背景）、多分辨率级联生成，以及灵活的配置接口。项目基于 Python 实现，依赖现有的扩散模型库，适合需要精细控制图像构图或生成超高清图像的开发者。目前处于早期阶段，星标数不高，但提供了创新的思路和可扩展的架构。

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 ★ 450

技术标签

ai computer-vision diffusion-models stable-diffusion

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。

难度：高级约 45 分钟部署方式：本地GPU 4 步

环境要求

NVIDIA GPU（显存 12GB 起）
diffusers

安装与启动步骤

1装依赖

脚本以 diffusers 为核心，版本要对齐。
```
pip install -r requirements.txt
```
2看示例配置

它用 JSON 描述每个扩散过程负责的区域。
3跑一张多区域合成图

先用仓库自带示例验证链路。
```
python generate_grid_from_json.py examples/linearForest.json
```
4改自己的区域划分

把 JSON 里的区域与提示词换成你的构图。