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 ★ 4237
使用教程
环境要求
- 已安装 Conda(用于 conda env create 方式)或 Python + pip(用于 pip 方式)
- 能正常访问网络,以下载依赖包与 Git 仓库
- 仅训练场景才需要额外安装 panopticapi、pycocotools、lvis
安装与启动步骤
-
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.git -
2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.yaml -
3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 anydoor -
4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.txt -
5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
关键配置
| 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 |
如何确认成功
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。
常见问题
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。
注意事项
- README 中只有安装说明,没有推理命令、端口或参数示例,本教程未编造这部分内容。
- pycocotools 在 README 里指定使用豆瓣镜像源(https://pypi.douban.com/simple)安装。
- 所有安装命令需在克隆下来的 AnyDoor 项目根目录执行,否则找不到 environment.yaml / requirements.txt。
- 在线体验地址:ModelScope、Hugging Face Spaces、Replicate(链接见 README 顶部徽章)。
核心亮点
- 零样本定制:无需针对每个物体重新训练,开箱即用
- 高保真融合:物体细节保留完整,光影和透视与场景自然协调
- 支持多物体和交互式控制,可指定位置、大小等属性
不足之处
- 复杂遮挡或极端角度下融合效果可能不完美
- 文档/社区待观察
适用场景
- 电商场景图生成:将商品图快速置入不同背景
- 创意设计:将素材物体融入海报或插画
- 虚拟试穿/家具摆放:预览物体在真实环境中的效果
替代项目
Paint-by-Example、ControlNet、Stable Diffusion Inpainting
上一篇:unpaint
下一篇:FontDiffuser
同类项目推荐
ai-image-prompts-skill
开源
1万条精选提示词,复制即用,出图不翻车
AI Image Prompts — 10,000+ curated prompts for any model. Works with Nano Banana Pr···
Voost
开源
一个模型搞定穿脱衣服,双向虚拟换装更自然
[SIGGRAPH Asia 25] Voost: A Unified and Scalable Diffusion Transformer for Bidirecti···
PowerPaint
开源
一个模型搞定图像修补:插入、移除、外扩、形状生成全支持
[ECCV 2024] PowerPaint, a versatile image inpainting model that supports text-guided···
inpainting_gmcnn
开源
用GAN多列卷积网络,让图像缺失区域自然重生
Image Inpainting via Generative Multi-column Convolutional Neural Networks, NeurIPS2···
StyleSwin
开源
用 Transformer 生成高清图像,效果媲美 StyleGAN
[CVPR 2022] StyleSwin: Transformer-based GAN for High-resolution Image Generation
primitive
开源
用几何图形拼出你的图片,生成低多边形艺术风
Reproduce images from geometric primitives.
chatgpt-imagegen
开源
用 ChatGPT 订阅在命令行直接生成图片,免密钥免网关
Use your ChatGPT subscription to generate images from the command line — no OPENAI_···
XingGAN
开源
上传人物照片和姿态,一键生成该人物摆出目标姿势的逼真图像
[ECCV 2020] XingGAN for Person Image Generation
PIDM
开源
用扩散模型按姿态生成逼真人物图,细节不糊
Person Image Synthesis via Denoising Diffusion Model (CVPR 2023)
