Paint-by-Example

给张示例图,自动编辑图像,无需文字描述

Paint-by-Example 是一个基于扩散模型的图像编辑工具,通过给定示例图像,实现对输入图像的语义编辑,如替换物体、改变风格等。它解决了传统图像编辑需要精确掩码或文本描述的问题,用户只需提供一张示例图,模型即可自动将示例中的语义内容迁移到目标图像中,同时保持背景和整体结构的一致性。核心能力包括:利用扩散模型的强大生成能力,结合自注意力机制实现语义对齐,支持多种编辑场景,如物体替换、属性修改等。项目基于 PyTorch 实现,提供了预训练模型和推理代码,方便研究者复现和二次开发。该工作发表于 CVPR 2023,在学术界和工业界都有一定影响力,为图像编辑领域提供了新的思路。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1252
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Fantasy-Studio
所属国家
官网地址
定价模式free
价格说明开源项目,代码公开,可自行部署使用,无收费计划。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型computer-vision,deep-learning,diffusion-models,image-editing,image-generation,image-manipulation,paint-by-example,pytorch,stable-diffusion
GitHub 星标★ 1252
30天Star增速
HF 下载量
上线时间2022-11-23 00:00:00
最近更新2026-08-31 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4

使用教程

难度:入门 约 10 分钟 部署方式:云服务 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

  • 可联网的浏览器(用于访问 README 给出的 Huggingface Demo)
  • Python 环境(项目为 Python 实现,README 未给出具体版本)
  • PyTorch(项目基于 PyTorch,README 未给出具体版本)
  • 如需本地复现,建议具备可用的 GPU 环境

安装与启动步骤

  1. 1打开在线 Demo

    README 提供了 Huggingface 演示空间地址,直接在浏览器打开即可在线体验,无需本地安装。

  2. 2阅读论文

    README 给出论文链接 arxiv 2211.13227,可先了解方法原理与编辑效果。

  3. 3克隆项目源码

    README 未给出安装命令,如需本地使用,可先按仓库地址克隆代码,再以仓库最新 README 为准。

    git clone https://github.com/Fantasy-Studio/Paint-by-Example.git
    cd Paint-by-Example
  4. 4准备编辑素材

    准备一张待编辑的原图,以及一张提供目标语义的示例图,用于在 Demo 中完成语义迁移编辑。

如何确认成功

浏览器能正常打开 Huggingface Paint-by-Example 演示页面,并可上传原图与示例图得到编辑结果。

常见问题

Q:没有 GPU 可以用吗?

A:可以直接使用 README 中给出的 Huggingface Demo 在线体验,无需本地 GPU;本地复现则需要自行准备环境。

Q:论文在哪里获取?

A:README 给出了论文地址 https://arxiv.org/abs/2211.13227,该工作发表于 CVPR 2023。

Q:为什么没有安装命令?

A:本次 README 节选只包含标题、作者、Demo 链接与摘要,未包含依赖安装、权重下载和推理命令,请以仓库完整 README 为准。

注意事项

  • 本次 README 节选未提供 pip 安装、模型权重下载和推理脚本命令,以上步骤仅依据节选中实际出现的链接整理。
  • 项目为 Python + PyTorch 实现,具体依赖版本、权重获取方式请查阅仓库最新说明,不要照搬第三方教程。
  • Huggingface Demo 为在线服务,可能有排队或运行时长限制,适合快速体验而非批量处理。

核心亮点

  • 无需文本提示,仅凭示例图像即可完成语义编辑,操作直观
  • 基于扩散模型,编辑结果自然且保持背景一致性
  • 提供预训练模型和完整推理代码,易于上手复现

不足之处

  • 对示例图像与目标图像的语义匹配要求较高,不匹配时效果不佳
  • 编辑速度较慢,受扩散模型推理成本限制
  • 文档/社区待观察

适用场景

  • 电商场景中自动替换商品背景或局部元素
  • 设计师快速生成风格一致的图像变体
  • 创意内容生成,如将照片中的物体替换为其他类别

替代项目

InstructPix2Pix、ControlNet、DiffEdit

项目介绍

Paint-by-Example 是图像领域的开源项目,由 Fantasy-Studio 开发,2022 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,252)位列前 30%,在图像分类的 837 个项目里位列前 13%。

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 2026-08-31。代码公开,可自行部署使用,无收费计划。

它主要面向的使用场景是:电商场景中自动替换商品背景或局部元素。同类可对比的替代方案包括 InstructPix2Pix、ControlNet、DiffEdit。

同类项目推荐

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

★ 13967 2026-08-09
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···

★ 70 2026-08-09
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···

★ 134493 2026-08-09