MERGE

一个模型搞定图像生成和深度估计，省时又省力

MERGE 是一个统一图像生成与深度估计的扩散模型框架，由 NeurIPS 2025 论文提出。它解决传统文本到图像扩散模型只能生成图像、无法理解几何结构的问题，通过将深度估计任务与生成任务结合，使模型既能根据文本生成高质量图像，又能从图像中准确预测深度信息。核心能力包括：共享扩散骨干网络实现多任务学习、联合训练策略平衡生成与估计性能、以及跨任务特征融合机制。该框架在保持生成质量的同时，显著提升深度估计的精度，为多模态视觉理解提供了统一解决方案。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 222

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H-EmbodVis

所属国家

官网地址

GitHubhttps://github.com/H-EmbodVis/MERGE

定价模式free

价格说明开源项目，Apache-2.0许可证，可自由使用，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型diffusion-models,geometry-estimation,image-generation,unified-model

GitHub 星标★ 222

30天Star增速

HF 下载量

上线时间2025-10-22 00:00:00

最近更新2026-08-24 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3

使用教程

核心亮点

统一架构：单一扩散模型同时支持生成与深度估计，减少模型部署成本
联合训练创新：提出新的训练策略，平衡生成质量与几何精度
学术前沿：NeurIPS 2025 论文，方法论具有参考价值

不足之处

早期项目，代码和文档可能不完善
依赖大规模扩散模型，推理资源消耗高

适用场景

自动驾驶场景理解：同时生成合成数据并估计深度
3D内容创作：文本生成图像并获取深度信息
多任务视觉研究：统一生成与几何理解

替代项目

Stable Diffusion、Marigold、Depth Anything

项目介绍

MERGE 是计算机视觉领域的开源项目，由 H-EmbodVis 开发，2025 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 222。

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 2026-08-24。Apache-2.0许可证，可自由使用，无付费版本。

它主要面向的使用场景是：自动驾驶场景理解：同时生成合成数据并估计深度。同类可对比的替代方案包括 Stable Diffusion、Marigold、Depth Anything。

上一篇：Awesome-ICCV2025-ICCV2021-Low-Level-Vision

下一篇：genima