Paint-by-Example

给张示例图，自动编辑图像，无需文字描述

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 112 🐛 待处理 33 👀 关注 23

GitHub ↗

GitHub 星标 ★ 1254

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，代码公开，可自行部署使用，无收费计划。

项目预览

Paint-by-Example 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队Fantasy-Studio

GitHubhttps://github.com/Fantasy-Studio/Paint-by-Example

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 1254

上线时间2022-11-23 00:00:00

代码更新2023-11-28

仓库体积18.4 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6

项目介绍

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。

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 ★ 1254

技术标签

computer-vision deep-learning diffusion-models image-editing image-generation

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：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。