涂鸦秒变高清图，用随机微分方程实现可控图像编辑
SDEdit 是一个基于 PyTorch 的图像生成与编辑工具，核心思想是利用随机微分方程（SDE）在图像生成和编辑过程中引入可控的随机性。它解决了传统图像编辑方法难以在保持内容结构的同时生成逼真细节的问题。用户只需提供一张粗略的草图或涂鸦，SDEdit 就能通过逆向扩散过程将其转化为高质量的逼真图像。其核心能力包括：支持多种图像编辑任务，如风格转换、局部重绘、图像修复等；基于 score matching 的生成模型，能有效捕捉数据分布；提供简单易用的接口，方便研究人员和开发者快速上手。该实现由斯坦福大学等机构提出，在可控生成领域具有重要影响力，为后续的扩散模型编辑方法奠定了基础。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1获取项目代码
从 GitHub 克隆 SDEdit 仓库到本地，README 未给出具体克隆命令，地址取自项目主页。
git clone https://github.com/ermongroup/SDEdit.git2安装 PyTorch
项目是 PyTorch 实现，需先装好 PyTorch。README 未给出安装命令，请按 PyTorch 官方说明选择对应版本安装。
3自动获取预训练模型
代码运行时会自动下载 CelebA-HQ、LSUN bedroom、LSUN church outdoor 三个 VP-SDE 预训练模型，无需手动下载。
4用 Colab 快速体验
不想本地配置环境，可直接打开 README 提供的官方 Colab 笔记本在线试跑。
运行代码后若能自动下载完成三个预训练模型且无报错，说明环境基本可用。
Q：预训练模型需要自己下载吗？
A：不需要。README 说明代码会自动下载 CelebA-HQ、LSUN bedroom、LSUN church outdoor 三个预训练 SDE（VP）PyTorch 模型。
Q：README 里没有安装命令怎么办？
A：该仓库为研究代码，README 未提供安装步骤。可先按 PyTorch 官方指引装好环境，或直接用作者提供的 Colab 笔记本体验。
Q：支持哪些数据集？
A：README 中明确提到三个预训练模型：CelebA-HQ、LSUN bedroom、LSUN church outdoor。
Q：必须用 GPU 吗？
A：README 未说明硬件要求。项目是扩散模型实现，通常 GPU 体验更好，但请以实际运行情况为准。
ControlNet、Stable Diffusion、Imagen
SDEdit 是图像领域的开源项目，由 ermongroup 开发，2021 年首次发布。
在全站 13,090 个收录项目中，它的 GitHub 星标数（1,168）位列前 30%，在图像分类的 839 个项目里位列前 14%。
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 2026-09-21。MIT许可证，免费使用，需自行部署。
它主要面向的使用场景是：艺术创作：将粗略草图快速生成精细插画或概念图。同类可对比的替代方案包括 ControlNet、Stable Diffusion、Imagen。
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···