MeanFlowNFT

用强化学习让图像生成少步快跑，质量不打折

MeanFlowNFT 是一个基于 PyTorch 的图像生成开源项目，对应 arXiv 2026 论文，核心思想是将前向过程强化学习引入平均速度生成器。它针对扩散模型采样速度慢的问题，通过结合流匹配和强化学习（如 GRPO）实现少步生成，在保持图像质量的同时大幅减少采样步数。项目支持 SD3.5 等主流模型，并扩展至视频生成领域。其核心能力包括：平均速度生成器架构、前向过程 RL 训练策略、少步采样优化，以及面向 NFT 等创意场景的定制化生成。该项目为生成模型研究者和开发者提供了一种新的训练范式，有望提升生成效率与可控性。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 95

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队Harahan

所属国家

官网地址https://harahan.github.io/meanflownft-project-page

GitHubhttps://github.com/Harahan/MeanFlowNFT

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署使用。

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,few-step-generation,flow-map,grpo,image-generation,meanflow,nft,reinforcement-learning,rl,sd35,video-generation,wan

GitHub 星标★ 95

30天Star增速

HF 下载量

上线时间2026-07-14 00:00:00

最近更新2026-09-09 00:00:00

维护状态较活跃

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

创新性地将前向过程 RL 与平均速度生成器结合，训练范式新颖
支持少步生成，显著降低采样延迟，适合实时应用
基于 SD3.5 等主流模型，兼容生态，且扩展至视频生成

不足之处

项目处于早期阶段，文档和社区支持待观察
训练资源需求可能较高，普通开发者复现门槛不低

适用场景

需要快速生成高质量图像的创意设计工具
研究新型生成模型训练方法（RL+扩散）
NFT 等数字艺术品的大规模批量生成

替代项目

Stable Diffusion、Flow Matching (FM)、Consistency Models

项目介绍

MeanFlowNFT 是开源模型领域的开源项目，由 Harahan 开发，是 2026 年新上线的项目。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 95。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-09。Apache-2.0许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：需要快速生成高质量图像的创意设计工具。同类可对比的替代方案包括 Stable Diffusion、Flow Matching (FM)、Consistency Models。

上一篇：Awesome-Multimodal-Reasoning

下一篇：recurrent-interface-network-pytorch