SDEdit

涂鸦秒变高清图，用随机微分方程实现可控图像编辑

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 92 🐛 待处理 23 👀 关注 20

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1173

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，免费使用，需自行部署。

项目预览

项目数据

分类图像生成

开发团队ermongroup

官网地址https://sde-image-editing.github.io

GitHubhttps://github.com/ermongroup/SDEdit

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，免费使用，需自行部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型controllable-generation,image-editing,image-generation,image-manipulation,pytorch,score-matching

GitHub 星标★ 1173

上线时间2021-05-05 00:00:00

代码更新2023-02-12

仓库体积37.4 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1173

技术标签

controllable-generation image-editing image-generation image-manipulation pytorch

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 10 分钟部署方式：本地安装 4 步

⚠ 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。

环境要求

Python 环境（项目为 PyTorch 实现）
已正确安装 PyTorch
可访问外网以下载预训练模型
建议具备 GPU 运行扩散模型（README 未明确说明）

安装与启动步骤

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.git
```
2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。