ITI-GEN

给文生图模型去偏见，让生成结果更包容多样

ITI-GEN是一个基于扩散模型的包容性文本到图像生成工具，旨在解决传统文生图模型在生成特定群体（如不同种族、性别、年龄等）时存在偏见和表征不足的问题。它通过提示学习（prompt tuning）技术，在少量样本上学习一组可迁移的提示向量，无需微调底层扩散模型，即可引导Stable Diffusion等模型生成更公平、更多样化的图像。核心能力包括：支持多属性联合去偏、可插拔式集成到现有Stable Diffusion流程、以及提供量化评估指标。该工作发表于ICCV 2023并获Oral和最佳论文提名，展示了在负责任AI方向上的前沿探索。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 67

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humansensinglab

所属国家

官网地址https://czhang0528.github.io/iti-gen

GitHubhttps://github.com/humansensinglab/ITI-GEN

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debiasing,diffusion-models,fairness,inclusiveness,prompt-tuning,responsible-ai,stable-diffusion,text-to-image-generation

GitHub 星标★ 67

30天Star增速

HF 下载量

上线时间2023-07-27 00:00:00

最近更新2026-08-20 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

基于提示学习，无需训练/微调扩散模型，计算开销小
支持多属性（种族、性别、年龄等）联合控制，去偏效果可量化
ICCV 2023 Oral且获最佳论文提名，学术认可度高

不足之处

项目处于早期，文档和社区支持待观察
依赖Stable Diffusion特定版本，迁移到其他模型需适配

适用场景

生成包含多元种族、性别、年龄的AI训练数据集
为广告、媒体内容生成无偏见的插图
研究公平性AI的学术实验和基准测试

替代项目

Stable Diffusion、DALL·E 2、Textual Inversion

项目介绍

ITI-GEN 是图像领域的开源项目，由 humansensinglab 开发，2023 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 67。

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 2026-08-20。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：生成包含多元种族、性别、年龄的AI训练数据集。同类可对比的替代方案包括 Stable Diffusion、DALL·E 2、Textual Inversion。

上一篇：sd-webui-semantic-guidance

下一篇：advanced-loopback-for-sd-webui