Parts2Whole

多参考图拼出全身像，局部细节不丢失

Parts2Whole 是一个面向可控人体图像生成的开源框架，由 TIP 2025 论文提出。它解决的是现有方法难以同时利用多张参考图（如人脸、手部、衣物、姿态）生成高质量全身图像的问题。其核心能力包括：统一的多参考图条件注入机制，支持任意组合的局部参考（如面部特写、手部细节、服装样式）与全局姿态控制；基于扩散模型架构，通过创新的特征融合模块实现局部细节与全局结构的协同生成；提供灵活的推理流程，用户可自由指定参考图数量与类型。该框架在保持生成图像自然度的同时，显著提升了对人体各部位细节的还原度，适用于虚拟试衣、数字人创建、影视预视觉化等需要精细控制人体图像生成的场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 196

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huanngzh

所属国家

官网地址https://huanngzh.github.io/Parts2Whole

GitHubhttps://github.com/huanngzh/Parts2Whole

定价模式free

价格说明开源项目，MIT许可证，提供在线演示页面，可免费使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion-models,generative-model,image-generation

GitHub 星标★ 196

30天Star增速

HF 下载量

上线时间2024-04-22 00:00:00

最近更新2026-05-08 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2

使用教程

核心亮点

支持任意组合的多参考图（人脸、手、衣物等）统一注入，灵活性强
基于扩散模型，生成图像细节保真度高，局部与全局协调
提供完整推理代码与预训练模型，便于复现和二次开发

不足之处

早期项目，文档和社区支持待观察
依赖多参考图输入，数据准备成本较高

适用场景

虚拟试衣：根据衣物图+人脸图生成试穿效果
数字人创建：多角度参考图生成统一风格全身像
影视预视觉化：快速生成角色概念图

替代项目

ControlNet、AnimateAnyone、MagicAnimate

项目介绍

Parts2Whole 是图像领域的开源项目，由 huanngzh 开发，2024 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 196。

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 2026-05-08。MIT许可证，提供在线演示页面，可免费使用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：虚拟试衣：根据衣物图+人脸图生成试穿效果。同类可对比的替代方案包括 ControlNet、AnimateAnyone、MagicAnimate。

上一篇：img-studio

下一篇：MGVQ