AttentionGAN

用注意力机制精准控制图像变换区域，让生成结果更自然

AttentionGAN是一个基于生成对抗网络（GAN）的无配对图像到图像翻译模型，同时支持多域图像转换。它通过引入注意力机制，在训练过程中自动学习区分前景和背景，从而将生成任务分解为内容变换和形状变换两个子任务。该模型在CycleGAN的基础上改进，能够更精确地控制图像中需要变换的区域，减少背景干扰，提升生成图像的语义一致性和视觉质量。项目提供了完整的训练和测试代码，支持多种数据集，并包含预训练模型。其核心能力在于解决无配对数据下的图像翻译问题，尤其适用于需要局部编辑或保留背景细节的场景，如物体形状变换、季节转换等。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 686

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Ha0Tang

所属国家

官网地址

GitHubhttps://github.com/Ha0Tang/AttentionGAN

定价模式free

价格说明开源项目，无在线服务，需自行部署，完全免费。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型adversarial-networks,attention-model,computer-vision,cyclegan,deep-learning,gans,geometry,ijcnn,image-generation,image-to-image-translation,image-translation,multi-domain,pytorch,unpaired

GitHub 星标★ 686

30天Star增速

HF 下载量

上线时间2019-07-09 00:00:00

最近更新2026-09-16 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

注意力机制自动分离前景背景，生成时背景更稳定
支持多域转换，一个模型可处理多种风格变换
基于CycleGAN改进，训练稳定性和生成质量有保障

不足之处

模型结构较复杂，训练资源消耗高于简单GAN
文档/社区待观察

适用场景

无配对图像风格迁移，如照片转绘画
物体形状变换，如马变斑马且保留背景
多域图像编辑，如改变表情或季节

替代项目

CycleGAN、U-GAT-IT、StarGAN

项目介绍

AttentionGAN 是图像领域的开源项目，由 Ha0Tang 开发，2019 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 686。

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 2026-09-16。无在线服务，需自行部署，完全免费。

它主要面向的使用场景是：无配对图像风格迁移，如照片转绘画。同类可对比的替代方案包括 CycleGAN、U-GAT-IT、StarGAN。

上一篇：image-generator-using-openai-api

下一篇：phrame