TargetCLIP

给张参考图，一键迁移风格到目标图

TargetCLIP 是 ECCV 2022 论文的官方 PyTorch 实现，专注于基于图像的 CLIP 引导本质迁移。它解决的是在图像编辑中，如何将参考图像的“本质”（如风格、纹理、语义特征）迁移到目标图像，同时保持目标图像的结构和身份。核心能力是利用 CLIP 模型的语义理解能力，结合 StyleGAN2 的生成空间，实现无需文本提示的、以图像为引导的编辑。用户提供一张参考图，TargetCLIP 即可将参考图的视觉特征迁移到目标图上，支持风格迁移、属性编辑等任务。项目代码基于 Jupyter Notebook，易于实验和复现，但作为学术实现，工程化程度有限。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 231

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hila-chefer

所属国家

官网地址

GitHubhttps://github.com/hila-chefer/TargetCLIP

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无收费计划。

访问状态

是否开源是

开源协议

主要语言Jupyter Notebook

技术栈/模型clip,computer-graphics,eccv2022,image-editing,image-generation,image-manipulation,stylegan2

GitHub 星标★ 231

30天Star增速

HF 下载量

上线时间2021-10-14 00:00:00

最近更新2026-04-21 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

官方实现，论文复现可靠，适合学术研究
无需文本提示，直接以图像为引导，直观易用
基于 StyleGAN2，编辑质量高，结构保持好

不足之处

依赖 StyleGAN2，需预训练模型，使用门槛较高
文档/社区待观察，教程和示例有限

适用场景

风格迁移：将艺术风格迁移到人像或物体
属性编辑：如改变肤色、发型等视觉特征
创意设计：快速生成风格化图像素材

替代项目

StyleCLIP、TediGAN、HairCLIP

项目介绍

TargetCLIP 是图像领域的开源项目，由 hila-chefer 开发，2021 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 231。

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 2026-04-21。代码公开，可自行部署使用，无收费计划。

它主要面向的使用场景是：风格迁移：将艺术风格迁移到人像或物体。同类可对比的替代方案包括 StyleCLIP、TediGAN、HairCLIP。

上一篇：dalle2_python

下一篇：BlendGAN