mixture-of-diffusers

组合多个扩散模型,生成高分辨率复杂场景图像

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。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 450
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albarji
所属国家
官网地址
定价模式free
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
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
30天Star增速
HF 下载量
上线时间2022-08-23 00:00:00
最近更新2026-08-02 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5

使用教程

核心亮点

  • 创新性地组合多个扩散模型,实现区域化场景合成,提升构图灵活性
  • 支持多分辨率级联生成,有效解决高分辨率图像生成的细节问题
  • 基于 Stable Diffusion 生态,易于集成现有模型和工具

不足之处

  • 项目早期,文档和示例较少,上手门槛较高
  • 依赖多个模型组合,推理资源消耗较大

适用场景

  • 需要生成包含多个物体或复杂背景的高分辨率图像
  • 对图像不同区域有不同风格或内容要求的创意设计
  • 在资源充足环境下,探索扩散模型组合生成的新方法

替代项目

Stable Diffusion、ComfyUI、diffusers

项目介绍

mixture-of-diffusers 是图像领域的开源项目,由 albarji 开发,2022 年首次发布。

它收录于图像分类,该分类目前共有 839 个项目,GitHub 星标数为 450。

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 2026-08-02。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:需要生成包含多个物体或复杂背景的高分辨率图像。同类可对比的替代方案包括 Stable Diffusion、ComfyUI、diffusers。

同类项目推荐

satori 开源

网页代码一键变高清图,放大不糊,不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成,让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
ComfyUI 开源

像搭积木一样连节点,生图流程自己搭

The most powerful and modular diffusion model GUI, api and backend with a graph/node···

★ 134493 2026-08-09