Awesome-Controllable-Diffusion

一篇在手，扩散模型可控生成全掌握

这是一个聚焦扩散模型可控生成的精选资源列表，收录了ControlNet、DreamBooth、IP-Adapter等前沿方法的论文与代码。它系统梳理了从结构控制（如边缘、深度图）到身份保持（如特定人物或物体定制）再到语义编辑（如文本引导修改）的完整技术图谱，帮助研究者和开发者快速定位所需方法。项目按任务类型（如布局控制、风格迁移、个性化生成）分类，并附有官方实现链接，解决了该领域文献分散、入门门槛高的问题。核心价值在于提供一站式的知识导航，让用户能高效追踪技术演进，并对比不同方法的适用场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 505

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atfortes

所属国家

官网地址

GitHubhttps://github.com/atfortes/Awesome-Controllable-Diffusion

定价模式free

价格说明开源资源列表，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型controlnet,customization,dall-e,diffusion-models,dreambooth,flux,generative-art,image-synthesis,ip-adapter,latent-diffusion,midjourney,multi-concept,papers,personalization,stable-diffusion,stable-diffusion-webui,style-transfer,subject-driven-generation,t2i-adapter,text-to-image

GitHub 星标★ 505

30天Star增速

HF 下载量

上线时间2023-03-24 00:00:00

最近更新2026-07-08 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2

使用教程

核心亮点

分类清晰，按控制类型和任务细分，便于快速检索
收录了ControlNet、DreamBooth等关键论文，附官方代码链接
持续更新，覆盖最新方法如FLUX，紧跟前沿

不足之处

仅提供资源列表，无代码实现或深入解读
文档/社区待观察

适用场景

调研扩散模型可控生成技术方案
学习ControlNet等主流方法的原理与实现
寻找特定任务（如角色一致性）的参考论文

替代项目

Awesome-Diffusion-Models、Awesome-Generative-AI、Diffusion-Models-Papers

项目介绍

Awesome-Controllable-Diffusion 是图像领域的开源项目，由 atfortes 开发，2023 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 505。

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 2026-07-08。开源资源列表，完全免费，无付费版本。

它主要面向的使用场景是：调研扩散模型可控生成技术方案。同类可对比的替代方案包括 Awesome-Diffusion-Models、Awesome-Generative-AI、Diffusion-Models-Papers。

上一篇：break-a-scene

下一篇：LLM-groundedDiffusion