Text2Earth

输入文字，秒出遥感图像，赋能地理空间智能

Text2Earth 是一个面向遥感领域的文本生成图像开源项目，由 IEEE GRSM 2025 论文提出。它旨在解决遥感图像生成中数据稀缺和文本描述不足的问题，通过构建全球尺度的遥感图像-文本配对数据集，并训练一个基础模型，实现从自然语言描述直接生成逼真、多场景的遥感图像。核心能力包括：支持多种遥感地物类型（如城市、农田、水域等）的文本条件生成，具备高分辨率输出和地理空间一致性；提供预训练模型和推理代码，便于研究者快速上手。项目基于 Python 实现，采用视觉-语言基础模型架构，为遥感图像解译、数据增强和智能制图等应用提供新工具。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 191

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Chen-Yang-Liu

所属国家

官网地址https://chen-yang-liu.github.io/Text2Earth

GitHubhttps://github.com/Chen-Yang-Liu/Text2Earth

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型foundation-models,image-generation,remote-sensing,vision-language

GitHub 星标★ 191

30天Star增速

HF 下载量

上线时间2024-12-31 00:00:00

最近更新2026-09-09 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5

使用教程

核心亮点

首个全球尺度的遥感文本-图像配对数据集，覆盖多样地物与场景
基础模型架构，支持高分辨率、多条件遥感图像生成
提供预训练权重与推理脚本，降低使用门槛

不足之处

早期项目，文档和社区生态尚待完善
生成图像的地理精度和细节保真度需进一步验证

适用场景

遥感数据增强，为深度学习模型扩充训练样本
地理空间规划与应急响应中的快速场景可视化
跨模态遥感检索与智能制图辅助

替代项目

Stable Diffusion、ControlNet、GeoDiffusion

项目介绍

Text2Earth 是图像领域的开源项目，由 Chen-Yang-Liu 开发，2024 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 191。

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 2026-09-09。Apache-2.0许可证，完全免费，需自行部署。

它主要面向的使用场景是：遥感数据增强，为深度学习模型扩充训练样本。同类可对比的替代方案包括 Stable Diffusion、ControlNet、GeoDiffusion。

上一篇：RvR

下一篇：AudioToken