joliGEN

用 GAN 和扩散模型搞定真实图像视频生成与编辑

joliGEN 是一个基于 PyTorch 的生成式 AI 图像与视频工具集，融合了 GAN 和扩散模型，专注于解决真实世界中的图像生成与编辑问题。它提供图像到图像的转换能力，支持多种任务如风格迁移、图像修复、超分辨率等，并集成了增强现实相关功能。项目旨在降低生成模型的应用门槛，提供统一的训练和推理接口，方便开发者快速部署到实际场景。其核心能力包括对 GAN 和扩散模型的灵活支持，以及针对视频数据的处理扩展，适合需要高质量视觉内容生成的工业级应用。

开源 unknown 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 289
维护状态 较活跃
是否开源 是
定价模式 unknown

项目数据

分类图像生成
开发团队jolibrain
所属国家
官网地址https://www.joligen.com
GitHubhttps://github.com/jolibrain/joliGEN
定价模式unknown
价格说明官网存在但定价信息不明确，需进一步确认。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型augmented-reality,deep-learning,diffusion-models,gan,generative-model,image-generation,image-to-image,pytorch
GitHub 星标★ 289
30天Star增速
HF 下载量
上线时间2020-08-18 00:00:00
最近更新2026-09-13 00:00:00
维护状态较活跃
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4

使用教程

核心亮点

  • 同时支持 GAN 和扩散模型，覆盖多种生成任务
  • 提供图像到图像转换及视频处理能力，应用面广
  • 基于 PyTorch，易于集成到现有深度学习工作流

不足之处

  • 项目处于早期阶段，文档和社区支持待观察

适用场景

  • 电商产品图风格迁移与背景替换
  • 影视后期视频帧修复与增强
  • AR 场景中实时图像内容生成

替代项目

CycleGAN、Stable Diffusion、pix2pix

项目介绍

joliGEN 是图像领域的开源项目，由 jolibrain 开发，2020 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 289。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-13。官网存在但定价信息不明确，需进一步确认。从国内网络环境看，可直接访问。

它主要面向的使用场景是：电商产品图风格迁移与背景替换。同类可对比的替代方案包括 CycleGAN、Stable Diffusion、pix2pix。

上一篇：NAI-Utility-Tool

下一篇：ComfyUI_Mira

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
ComfyUI 开源

像搭积木一样连节点，生图流程自己搭

The most powerful and modular diffusion model GUI, api and backend with a graph/node···

★ 134493 2026-08-09