RIVAL

让真实图像在扩散模型中自由变体,风格内容两不误

开源 🏷️完全免费 ✅ 目前可打开 图像生成 🍴 复刻 9 🐛 待处理 3 👀 关注 14
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 155
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,提供在线演示页面,可免费使用,无付费版本。

项目预览

RIVAL 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类图像生成
开发团队JIA-Lab-research
定价模式🏷️完全免费
价格说明开源项目,提供在线演示页面,可免费使用,无付费版本。
访问状态✅ 目前可打开
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型diffusion-models,image-variations,style-transfer,text-to-image
GitHub 星标★ 155
上线时间2023-05-17 00:00:00
代码更新2024-01-02
仓库体积96.4 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数7

项目介绍

RIVAL 是一个基于扩散模型的图像变体生成工具,来自 NeurIPS 2023 Spotlight 论文。它解决的是真实世界图像在保持内容结构的同时进行风格或细节变化的问题。核心能力是利用扩散模型的反演链对齐技术,将输入图像映射到潜在空间,再通过文本提示或风格参考生成多个变体,实现风格迁移、属性编辑和内容增强。与传统的图像编辑方法不同,RIVAL 强调对真实图像的忠实度,避免生成结果偏离原图语义。项目提供 Python 实现,支持与 Stable Diffusion 等主流扩散模型集成,适合研究者和开发者用于创意图像生成、数据增强和艺术风格探索。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 155

核心亮点

  • 基于 NeurIPS 2023 论文,方法有学术背书,创新性强
  • 支持真实图像的高保真变体,避免内容失真
  • 与主流扩散模型兼容,易于集成到现有工作流

不足之处

  • 项目早期,文档和示例可能不完善
  • 依赖扩散模型推理,生成速度较慢

适用场景

  • 艺术风格迁移与创意设计
  • 数据增强用于训练图像模型
  • 图像内容编辑与属性调整

替代项目

Stable Diffusion img2img、ControlNet、InstructPix2Pix

上一篇:ReNO

下一篇:Portable-Diffusion

同类项目推荐

MaskUnet 开源

掩码扩散模型参数,提升图像视频生成质量

[CVPR 2025] Official PyTorch implementation of Not All Parameters Matter: Masking Di···

★ 109 2026-08-09
ComfyUI-DyPE 开源

ComfyUI 里一键把文生图拉到 4K+,告别重复纹理和崩坏

ComfyUI DyPE+SEGA, enabling artifact-free 4K+ image generation: Z-Image, Qwen, Flux,···

★ 632 2026-09-16
sd-webui-supermerger 开源

把多个大模型揉成一个,画风角色自由混搭

model merge extention for stable diffusion web ui

★ 837 2026-09-18
imagen-pytorch 开源

说句话生成高清图,放大也不糊

Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch

★ 8433 2026-08-09
context-free 开源

写文法,秒出百万形状的生成艺术图

Context Free is a program that generates images from written instructions called a g···

★ 555 2026-08-09
ComfyUI-TBG-ETUR 开源

把图放大到2亿像素,还能逐块控制细节和创意

TBG Enhanced Tiled Upscaler and Refiner upscales up to 200MP with precise control. I···

★ 160 2026-08-09