diffseg

用扩散模型注意力,零标注自动分割图像

DiffSeg 是一种基于 Stable Diffusion 注意力信息的无监督零样本分割方法。它利用扩散模型在生成图像时产生的注意力图,无需任何标注数据即可将图像分割成语义一致的区域。项目实现了核心 DiffSeg 算法,并附带一个实验性功能:根据生成的图像描述为分割掩码添加语义标签。它解决的是传统分割方法依赖大量人工标注、泛化能力弱的问题,核心能力包括零样本分割、无监督学习和语义标签生成。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 329
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google
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型computer-vision,segmentation,stable-diffusion
GitHub 星标★ 329
30天Star增速
HF 下载量
上线时间2023-11-22 00:00:00
最近更新2026-08-18 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2

使用教程

核心亮点

  • 无需训练和标注,直接利用 Stable Diffusion 的注意力图实现零样本分割
  • 支持自动生成语义标签,让分割结果更易理解
  • 代码结构清晰,附带实验功能,便于二次开发

不足之处

  • 依赖 Stable Diffusion 推理,分割速度较慢
  • 分割精度受生成图像质量影响,复杂场景可能不稳定

适用场景

  • 图像编辑中自动选取前景物体
  • 无标注数据集上的语义分割预标注
  • 辅助图像生成质量评估

替代项目

Segment Anything (SAM)、GroupViT、MaskFormer

项目介绍

diffseg 是计算机视觉领域的开源项目,由 google 开发,2023 年首次发布。

它收录于计算机视觉分类,该分类目前共有 447 个项目,GitHub 星标数为 329。

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 2026-08-18。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:图像编辑中自动选取前景物体。同类可对比的替代方案包括 Segment Anything (SAM)、GroupViT、MaskFormer。

上一篇:ComfyUI-BiRefNet-ZHO

下一篇:sd-webui-reactor-sfw

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
Olympus 开源

一个路由搞定所有视觉任务,免去逐个微调

[CVPR 2025 Highlight] Official code for "Olympus: A Universal Task Router for Comput···

★ 427 2026-08-09