PIDM

用扩散模型按姿态生成逼真人物图，细节不糊

PIDM 是一个基于扩散模型的人物图像合成项目，发表于 CVPR 2023。它解决的是在给定人物参考图像和目标姿态的条件下，生成逼真、细节丰富的人物图像的问题。核心能力包括利用去噪扩散概率模型（DDPM）进行姿态引导的人物生成，通过引入纹理感知的扩散模型和内容自适应聚合模块，有效保持人物外观细节并适应姿态变化。项目提供了完整的训练和测试代码、预训练模型以及数据预处理脚本，支持在 DeepFashion 等数据集上进行实验。其技术栈涵盖 Jupyter Notebook、PyTorch 等，适合研究者和开发者用于姿态引导的人物图像生成、虚拟试衣、数字人合成等应用。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 502

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ankanbhunia

所属国家

官网地址https://ankanbhunia.github.io/PIDM

GitHubhttps://github.com/ankanbhunia/PIDM

定价模式free

价格说明开源项目，MIT许可证，代码免费，需自行部署，无在线服务。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型cvpr2023,diffusion-models,generative-models,generativeai,image-generation,person-image-generation,pose-guided-person-image-generation,stable-diffusion

GitHub 星标★ 502

30天Star增速

HF 下载量

上线时间2022-11-08 00:00:00

最近更新2026-08-20 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4

使用教程

核心亮点

基于扩散模型，生成图像质量高，细节保留好
提供完整训练/测试代码和预训练模型，上手快
CVPR 2023 论文加持，方法有学术背书

不足之处

Jupyter Notebook 为主，工程化程度一般
文档/社区待观察

适用场景

姿态引导的人物图像生成研究
虚拟试衣与时尚电商图像合成
数字人/虚拟形象内容创作

替代项目

Pose Transfer GAN、DensePose、ControlNet

项目介绍

PIDM 是图像领域的开源项目，由 ankanbhunia 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 502。

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 2026-08-20。MIT许可证，代码免费，需自行部署，无在线服务。

它主要面向的使用场景是：姿态引导的人物图像生成研究。同类可对比的替代方案包括 Pose Transfer GAN、DensePose、ControlNet。

上一篇：StableDiffusionTelegram

下一篇：PITI