OASIS

只用对抗损失，就能生成高质量语义图像

OASIS是ICLR 2021论文的官方实现，提出了一种仅需对抗监督即可完成语义图像合成的新方法。传统方法依赖复杂的感知损失或特征匹配损失来训练生成器，而OASIS通过引入一个经过预训练、可微分的语义分割网络作为判别器，将生成图像与真实图像在语义分割空间中进行对抗性比较，从而简化训练目标。该方法解决了语义图像合成中训练不稳定、需要多损失函数平衡的问题，核心能力包括：支持高分辨率图像生成、在Cityscapes等数据集上达到SOTA效果、代码结构清晰易于复现。项目使用PyTorch实现，包含完整的训练和测试脚本，适合研究语义图像生成、图像编辑等方向的开发者使用。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 339

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boschresearch

所属国家

官网地址

GitHubhttps://github.com/boschresearch/OASIS

定价模式free

价格说明开源项目，基于AGPL-3.0许可证，可免费使用和修改，无付费版本。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型bcai,computer-vision,deep-learning,gan,generative-adversarial-networks,iclr2021,image-generation,image-to-image-translation,label-to-image-translation,machine-learning,multi-modal,oasis,paper-resource,pytorch,semantic-image-synthesis

GitHub 星标★ 339

30天Star增速

HF 下载量

上线时间2021-01-13 00:00:00

最近更新2026-07-18 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3

使用教程

核心亮点

创新性地用预训练分割网络作为判别器，简化了训练流程
在Cityscapes等基准上达到当时最先进的生成质量
官方实现，代码结构清晰，易于复现和二次开发

不足之处

依赖预训练分割网络，可能限制在无标注数据上的应用
文档/社区待观察

适用场景

语义图像合成研究
图像编辑与内容生成
GAN训练技巧的学术参考

替代项目

SPADE、GauGAN、CC-FPSE

项目介绍

OASIS 是图像领域的开源项目，由 boschresearch 开发，2021 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 339。

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 2026-07-18。基于AGPL-3.0许可证，可免费使用和修改，无付费版本。

它主要面向的使用场景是：语义图像合成研究。同类可对比的替代方案包括 SPADE、GauGAN、CC-FPSE。

上一篇：vqgan-clip-app

下一篇：dalle2_python