上传物体和场景，零训练一键将物体无缝融入新图
AnyDoor 是一个零样本（zero-shot）物体级图像定制工具，基于论文《Anydoor: zero-shot object-level image customization》的官方实现。它解决的核心问题是：用户给定一个目标物体（如一张商品图）和一张场景图，无需任何训练或微调，即可将物体以自然、和谐的方式“放入”场景中，并支持位置、大小、姿态等属性的灵活控制。其核心能力包括：利用扩散模型（Diffusion Model）实现高保真的物体迁移与融合，保持物体细节的同时适应场景光照、透视和背景；支持多物体同时插入；提供基于文本或掩码的引导。项目主要面向图像编辑、电商展示、创意设计等场景，让非专业用户也能轻松实现专业级的图像合成效果。
1获取项目代码
把官方仓库克隆到本地，后续所有安装命令都要在项目根目录执行。
git clone https://github.com/ali-vilab/AnyDoor.git2用 Conda 建环境
方式一：在项目根目录执行，按 environment.yaml 一次性创建名为 anydoor 的环境。
conda env create -f environment.yaml3激活环境
方式一后续步骤：激活刚创建的 anydoor 环境，命令行前缀应出现 (anydoor)。
conda activate anydoor4或用 pip 装依赖
方式二：不用 Conda 时，直接在项目根目录按 requirements.txt 安装依赖，两种方式选其一即可。
pip install -r requirements.txt5装训练额外依赖
仅当需要训练时才执行，README 明确要求补装 panopticapi、pycocotools、lvis 三个包。
pip install git+https://github.com/cocodataset/panopticapi.git
pip install pycocotools -i https://pypi.douban.com/simple
pip install lvis| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
environment.yaml | 否 | Conda 环境定义文件，conda env create 时读取。 | environment.yaml |
requirements.txt | 否 | pip 依赖清单，使用 pip 安装方式时读取。 | requirements.txt |
README 未给出验证命令；执行 conda activate anydoor（或 pip list）能进入环境并看到依赖装好，即视为安装完成。
Q：Conda 和 pip 两种安装方式怎么选？
A：二选一即可。用 Conda 执行 conda env create -f environment.yaml 再 conda activate anydoor；不用 Conda 则直接 pip install -r requirements.txt。
Q：提示缺少 panopticapi、pycocotools 或 lvis 怎么办？
A：这三个包属于训练所需的额外依赖，README 要求单独安装：panopticapi 用 git+ 地址安装，pycocotools 走指定镜像源，lvis 直接 pip 安装。
Q：不想本地安装，能直接在线体验吗？
A：可以。README 提供了 ModelScope、Hugging Face Spaces 和 Replicate 三个在线体验入口，无需本地配置环境。
Q：安装完就能直接生成图片吗？
A：README 只给出了安装步骤，未提供模型权重下载地址和推理命令，需要另行获取权重与使用说明后才能实际推理。
Paint-by-Example、ControlNet、Stable Diffusion Inpainting
AnyDoor 是图像领域的开源项目，由 ali-vilab 开发，2023 年首次发布。
在全站 13,109 个收录项目中，它的 GitHub 星标数（4,240）位列前 10%，在图像分类的 840 个项目里位列前 6%。
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 2026-09-20。MIT许可证，提供在线演示页面，可免费使用。从国内网络环境看，可直接访问。
它主要面向的使用场景是：电商场景图生成：将商品图快速置入不同背景。同类可对比的替代方案包括 Paint-by-Example、ControlNet、Stable Diffusion Inpainting。
上一篇：unpaint
下一篇：FontDiffuser
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
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···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
imagen-pytorch
开源
说句话生成高清图，放大也不糊
Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch