BiGraphGAN

用双分图推理生成姿态自然、细节逼真的人物图像

BiGraphGAN是BMVC 2020 Oral论文的官方实现,专注于行人图像生成任务。它解决的是在给定源人物图像和目标姿态的条件下,生成逼真且姿态一致的人物图像的问题。核心创新在于提出了双分图推理机制,通过构建源姿态与目标姿态之间的双分图结构,有效建模人体关节间的空间对应关系,并引入图卷积网络进行特征推理与融合,从而提升生成图像的质量和姿态准确性。相比现有方法,BiGraphGAN能够更好地处理姿态变化大、遮挡等复杂场景,生成的人物图像在纹理细节和姿态自然度上均有显著提升。项目基于PyTorch实现,支持DeepFashion数据集,并提供了训练和测试代码。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 128
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
定价模式free
价格说明开源项目,代码公开,可自行部署使用,无付费版本。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型bipartite-graphs,bmvc,bmvc20,deepfashion,graph,image-generation,person,person-image-generation,pytorch,selectiongan
GitHub 星标★ 128
30天Star增速
HF 下载量
上线时间2020-05-07 00:00:00
最近更新2025-11-26 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

核心亮点

  • 提出双分图推理模块,显式建模源与目标姿态的关节对应关系,提升姿态迁移准确性
  • 在DeepFashion上达到SOTA效果,论文发表于BMVC 2020 Oral,方法有学术背书
  • 代码结构清晰,基于PyTorch,易于复现和二次开发

不足之处

  • 仅支持单人姿态迁移,未覆盖多人或复杂背景场景
  • 依赖DeepFashion数据集,泛化到其他数据集需额外适配

适用场景

  • 时尚电商虚拟试衣,生成模特穿着指定服装的展示图
  • 影视游戏角色动画制作,快速生成不同姿态的角色素材
  • 数据增强,为行人重识别等任务生成多样化训练样本

替代项目

Pose Transfer (VUNet)、IntrA (Intra- and Inter-Person)、GFLA (Global Flow Local Attention)

项目介绍

BiGraphGAN 是图像领域的开源项目,由 Ha0Tang 开发,2020 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 128。

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 2025-11-26。代码公开,可自行部署使用,无付费版本。

它主要面向的使用场景是:时尚电商虚拟试衣,生成模特穿着指定服装的展示图。同类可对比的替代方案包括 Pose Transfer (VUNet)、IntrA (Intra- and Inter-Person)、GFLA (Global Flow Local At…。

上一篇:g-diffuser-bot

下一篇:StableDiffusionUnityTools

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
imagen-pytorch 开源

说句话生成高清图,放大也不糊

Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch

★ 8427 2026-08-09