cycle-diffusion

用循环一致性让扩散模型精准编辑图像，无需重新训练。

Cycle-Diffusion 是一个基于扩散模型的图像编辑工具，核心思想是在潜在空间中实现源图像与目标图像之间的循环一致性映射，从而支持无需额外训练的图像到图像翻译。它解决了传统扩散模型在编辑时难以保持内容一致性和结构保真的问题，允许用户通过文本提示或参考图像对生成结果进行精细控制。项目提供了简洁的API和示例代码，支持Stable Diffusion等主流模型，可完成风格迁移、属性编辑、局部修改等任务。其亮点在于利用循环一致性约束，使得编辑后的图像在保留原始语义的同时，更准确地响应用户指令。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 661

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ChenWu98

所属国家

官网地址

GitHubhttps://github.com/ChenWu98/cycle-diffusion

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型diffusion-models,generative-models,image-synthesis,image-to-image-translation,score-based-generative-models,stable-diffusion,text-to-image,zero-shot-learning

GitHub 星标★ 661

30天Star增速

HF 下载量

上线时间2022-10-08 00:00:00

最近更新2026-09-14 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

无需训练即可实现图像编辑，基于预训练扩散模型直接推理。
循环一致性机制有效保持原图结构，编辑结果更自然。
支持文本引导和参考图引导，交互灵活。

不足之处

对复杂场景的编辑效果可能不稳定，依赖预训练模型能力。
文档和示例较少，社区支持待观察。

适用场景

图像风格迁移（如照片转油画）
基于文本的属性编辑（如改变发色、添加物体）
图像局部修改与内容替换

替代项目

DiffEdit、SDEdit、InstructPix2Pix

项目介绍

cycle-diffusion 是图像领域的开源项目，由 ChenWu98 开发，2022 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 661。

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 2026-09-14。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：图像风格迁移（如照片转油画）。同类可对比的替代方案包括 DiffEdit、SDEdit、InstructPix2Pix。

上一篇：flash-diffusion

下一篇：SkyPaint-AI-Diffusion