XingGAN

上传人物照片和姿态，一键生成该人物摆出目标姿势的逼真图像

XingGAN是ECCV 2020收录的基于PyTorch的人体图像生成模型，核心任务是给定一个人的源图像和目标姿态，生成该人物在目标姿态下的逼真图像。它通过两个跨模态特征融合模块，分别建模人的外观特征（如衣服、体型）与姿态特征（骨架关键点）之间的交互关系，并引入非局部注意力机制捕捉长距离空间依赖，从而提升生成图像的质量和姿态一致性。项目解决了传统方法中外观与姿态信息融合不充分、生成图像细节模糊或姿态扭曲的问题，在DeepFashion等数据集上验证了效果。代码基于PyTorch实现，提供了训练和测试脚本，适合研究者复现和二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 224

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http://disi.unitn.it/~hao.tang/project/XingGAN.htm

GitHubhttps://github.com/Ha0Tang/XingGAN

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appearance-features,crossing,deepfashion,eccv-2020,eccv2020,feature-fusion,generation,image-generation,non-local,pytorch,selectiongan,shape-features

GitHub 星标★ 224

30天Star增速

HF 下载量

上线时间2020-05-07 00:00:00

最近更新2026-04-13 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

提出跨模态特征融合模块，显式建模外观与姿态的交互，生成结果姿态更准确
引入非局部注意力，能捕捉全局空间依赖，改善复杂姿态下的细节生成
ECCV 2020论文官方代码，结构清晰，基于PyTorch，易于复现和扩展

不足之处

训练和推理需要较大显存，对硬件要求较高
文档/社区待观察，缺少详细的预训练模型和快速上手教程

适用场景

学术研究：作为人体图像生成方向的基线模型进行对比实验
虚拟试衣：根据用户照片和不同姿势生成试穿效果
数据增强：为行人重识别等任务生成多姿态训练样本

替代项目

Pose Transfer GAN、VUNet、DSC

项目介绍

XingGAN 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 224。

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 2026-04-13。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：学术研究：作为人体图像生成方向的基线模型进行对比实验。同类可对比的替代方案包括 Pose Transfer GAN、VUNet、DSC。

上一篇：LGGAN

下一篇：HiDT