HumanSD

用骨架精准控制人体姿态，生成自然无畸变的图像。

HumanSD 是 ICCV 2023 的官方实现，提出了一种原生骨架引导的扩散模型，用于人体图像生成。它解决了现有文本到图像模型在人体姿态控制上不精确、容易产生肢体畸变的问题。核心能力是直接以人体骨架（如 OpenPose 姿态）作为条件输入，通过设计骨架引导的注意力机制，在去噪过程中显式注入姿态信息，从而生成姿态准确、结构自然的人体图像。与 ControlNet 等外挂式控制不同，HumanSD 将骨架引导原生集成到扩散模型训练中，支持从单张参考图进行姿态迁移、文本描述与骨架联合控制等任务。项目基于 PyTorch 实现，提供了训练和推理代码，适合研究者复现和二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 306

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IDEA-Research

所属国家

官网地址

GitHubhttps://github.com/IDEA-Research/HumanSD

定价模式free

价格说明开源项目，Apache-2.0许可，完全免费，需自行部署。

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conditional-image-generation,deep-learning,iccv,iccv2023,image-generation,pytorch

GitHub 星标★ 306

30天Star增速

HF 下载量

上线时间2023-04-09 00:00:00

最近更新2026-08-17 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

原生骨架引导机制，姿态控制比外挂式方法更精准，肢体畸变少
支持文本与骨架联合控制，灵活生成指定姿态和外观的人体
提供 ICCV 官方代码，训练推理流程完整，便于复现研究

不足之处

项目维护不活跃，文档和社区支持待观察
依赖特定骨架提取器，对新姿态格式的泛化需自行适配

适用场景

姿态迁移：将参考人物姿态应用到新人物生成
虚拟试衣或角色设计：按指定动作生成服装效果图
数据增强：为行人重识别等任务生成多样姿态的训练样本

替代项目

ControlNet、OpenPose、PoseDiffusion

项目介绍

HumanSD 是图像领域的开源项目，由 IDEA-Research 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 306。

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 2026-08-17。Apache-2.0许可，完全免费，需自行部署。

它主要面向的使用场景是：姿态迁移：将参考人物姿态应用到新人物生成。同类可对比的替代方案包括 ControlNet、OpenPose、PoseDiffusion。

上一篇：PromptGallery-stable-diffusion-webui

下一篇：particle-guidance