ganspace

一键发现 GAN 隐藏控制旋钮，精准操控图像生成。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 263 🐛 待处理 29 👀 关注 39

GitHub ↗

GitHub 星标 ★ 1797

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和修改，无付费版本。

项目预览

项目数据

分类图像生成

开发团队harskish

GitHubhttps://github.com/harskish/ganspace

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和修改，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型deep-learning,gan,generative-adversarial-network,image-generation,interactive-visualizations,pytorch

GitHub 星标★ 1797

上线时间2020-04-02 00:00:00

代码更新2023-01-20

仓库体积46.8 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

ganspace 是一个用于发现 GAN 模型中可解释控制方向的开源工具，源自 NeurIPS 2020 论文。它解决了生成对抗网络（GAN）内部潜在空间难以理解、难以精准控制生成内容的问题。核心能力是通过对预训练 GAN 的权重进行主成分分析（PCA），自动发现一组有意义的控制方向，这些方向对应着图像属性（如姿态、表情、光照等）的连续变化。用户无需重新训练模型，即可在多个预训练 GAN（如 StyleGAN、BigGAN）上应用，并借助交互式可视化界面实时调整生成图像的属性。项目提供 Jupyter Notebook 教程和 Python 代码，方便研究者与开发者快速上手，探索 GAN 的可解释性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1797

技术标签

deep-learning gan generative-adversarial-network image-generation pytorch

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 10 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（README 未指定版本，以 SETUP.md 为准）
PyTorch（项目技术栈为 deep-learning / pytorch）
Jupyter Notebook（项目代码以 .ipynb 形式提供）
预训练 GAN 模型权重（BigGAN / StyleGAN / StyleGAN2）

安装与启动步骤

1克隆项目仓库

把 GANSpace 源码下载到本地目录，后续所有操作都在该目录内进行。
```
git clone https://github.com/harskish/ganspace.git
```
2阅读安装说明

README 的 Setup 章节只指向 SETUP.md，依赖安装与环境变量配置都要照该文件执行。
3准备预训练模型

仓库内含改造过的 BigGAN、StyleGAN、StyleGAN2，支持逐层潜向量，需按说明获取对应权重。
4交互式探索模型

环境就绪后，运行仓库中的 Notebook 做交互式模型探索，实时调整生成图像的属性。