semantic-draw

边画边生成，实时交互式图像创作

SemanticDraw 是 CVPR 2025 论文的官方实现，旨在解决图像扩散模型在交互式内容创作中实时性不足的问题。传统扩散模型生成图像需要多次迭代采样，难以支持用户实时绘制和修改。该框架通过流式（streaming）扩散机制，让用户边画边生成，实现近乎实时的反馈。核心能力包括：基于 Stable Diffusion 3 的流式生成、支持文本与草图的多模态输入、以及可在 Hugging Face Spaces 上直接体验的交互界面。项目提供 Jupyter Notebook 示例，方便研究者复现和二次开发，为创意设计、快速原型制作等场景提供高效工具。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 589

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ironjr

所属国家

官网地址https://jaerinlee.com/research/semantic-draw

GitHubhttps://github.com/ironjr/semantic-draw

定价模式free

价格说明开源项目，MIT许可证，提供Hugging Face Spaces在线演示，完全免费。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型cvpr2025,diffusion-models,drawing,huggingface-spaces,image-generation,stable-diffusion,stablediffusion3,streaming,text-to-image

GitHub 星标★ 589

30天Star增速

HF 下载量

上线时间2024-02-15 00:00:00

最近更新2026-09-14 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

提出流式扩散框架，显著降低交互延迟，实现实时绘制反馈
基于 Stable Diffusion 3，生成质量高，支持文本与草图融合控制
提供 Hugging Face Spaces 在线演示，降低上手门槛，便于体验

不足之处

文档/社区待观察
依赖较新模型（SD3），对硬件资源要求可能较高

适用场景

设计师快速草图创意可视化
教育场景中实时演示图像生成原理
游戏或影视前期概念设计快速迭代

替代项目

Stable Diffusion WebUI、ControlNet、StreamDiffusion

项目介绍

semantic-draw 是图像领域的开源项目，由 ironjr 开发，2024 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 589。

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 2026-09-14。MIT许可证，提供Hugging Face Spaces在线演示，完全免费。从国内网络环境看，可直接访问。

它主要面向的使用场景是：设计师快速草图创意可视化。同类可对比的替代方案包括 Stable Diffusion WebUI、ControlNet、StreamDiffusion。

上一篇：text-to-image

下一篇：blended-diffusion