QueryOTR

用查询式Transformer一键扩展图像边界,生成自然连贯的外延内容。

QueryOTR 是 ECCV 2022 论文《Outpainting by Queries》的官方 PyTorch 实现,专注于图像外延(Outpainting)任务,即根据现有图像内容生成其周围缺失的区域。该项目提出了一种基于 Transformer 架构的查询式外延方法,通过将外延问题转化为查询学习过程,利用可学习的查询向量与输入图像特征交互,从而高效地预测图像边界外的内容。核心能力包括:支持任意尺寸的外延扩展、保持生成区域与原始图像在语义和纹理上的连贯性,并提供了预训练模型和推理代码,便于研究者复现和二次开发。该项目解决了传统外延方法在长距离依赖建模和计算效率上的不足,为图像编辑、全景图生成等应用提供了新的技术方案。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 53
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Kaiseem
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0 许可证,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eccv2022,image-generation,outpainting,transformer-architecture
GitHub 星标★ 53
30天Star增速
HF 下载量
上线时间2022-07-11 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

  • 官方实现,代码与论文严格对应,复现结果有保障
  • 基于Transformer的查询机制,能有效建模长距离依赖,外延区域语义连贯
  • 支持灵活的外延尺寸,适应不同场景需求

不足之处

  • 项目星标数较少,社区活跃度低,文档和示例可能不够完善
  • 依赖较大模型和计算资源,推理速度可能较慢

适用场景

  • 图像编辑:扩展照片画幅,补全缺失背景
  • 全景图生成:拼接多张图像时生成平滑过渡区域
  • 计算机视觉研究:作为外延任务的基线或对比方法

替代项目

Boundless、InfinityGAN、Image Outpainting

项目介绍

QueryOTR 是图像领域的开源项目,由 Kaiseem 开发,2022 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 53。

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。Apache-2.0 许可证,完全免费,需自行部署。

它主要面向的使用场景是:图像编辑:扩展照片画幅,补全缺失背景。同类可对比的替代方案包括 Boundless、InfinityGAN、Image Outpainting。

上一篇:sText2Image

下一篇:vqgan-clip-app

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