VPGen

把文字指令拆成视觉步骤，生成更准、可评估的图片

VPGen是一个基于视觉编程的文本到图像生成与评估框架，来自NeurIPS 2023论文。它通过将文本提示分解为逐步的视觉程序（如对象检测、布局生成、图像编辑等），利用现成的视觉模型（如目标检测器、分割模型）来生成更精确、可控的图像，并提供了自动化的评估指标。核心能力包括：将复杂文本指令转化为可执行的视觉步骤，结合多个视觉模块提升生成质量，以及提供细粒度的生成结果评估。项目代码以Jupyter Notebook形式提供，便于研究者复现和扩展。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 57

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j-min

所属国家

官网地址https://vp-t2i.github.io

GitHubhttps://github.com/j-min/VPGen

定价模式free

价格说明开源项目，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

主要语言Jupyter Notebook

技术栈/模型pytorch,step-by-step,text-to-image,text-to-image-evaluation,text-to-image-generation

GitHub 星标★ 57

30天Star增速

HF 下载量

上线时间2023-05-23 00:00:00

最近更新2025-11-19 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

创新性地将视觉编程引入文生图，提升复杂指令的遵循能力
提供自动化评估指标，便于量化生成质量
基于NeurIPS论文，方法有理论支撑，模块化设计易扩展

不足之处

项目处于早期，星标少，文档和社区支持待观察
依赖多个外部视觉模型，部署和运行成本较高

适用场景

学术研究：复现论文方法，探索视觉编程在生成任务中的应用
复杂文本到图像生成：需要精确控制对象位置、属性的场景
文生图模型评估：需要自动化评估生成结果与文本一致性的场景

替代项目

DALL-E 2、Stable Diffusion、Imagen

项目介绍

VPGen 是图像领域的开源项目，由 j-min 开发，2023 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 57。

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 2025-11-19。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：学术研究：复现论文方法，探索视觉编程在生成任务中的应用。同类可对比的替代方案包括 DALL-E 2、Stable Diffusion、Imagen。

上一篇：GigaGAN

下一篇：api-examples