DiffMorpher 是图像领域的开源项目，由 Kevin-thu 开发，2023 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 509。
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 2026-09-21。代码公开，可自行部署使用，无收费计划。
它主要面向的使用场景是：创意图像编辑与艺术效果生成。同类可对比的替代方案包括 StyleGAN2、U-GAT-IT、Recycle-GAN。
DiffMorpher
用扩散模型让两张图丝滑变形，生成高质量过渡视频
DiffMorpher 是 CVPR 2024 的官方实现，旨在利用扩散模型的能力实现高质量的图像变形（morphing）。传统图像变形方法在保持语义一致性和视觉质量上存在局限，DiffMorpher 通过结合扩散模型的强大生成能力，解决了变形过程中物体身份和纹理的保持问题。其核心能力包括：基于扩散模型的语义对齐和插值，支持图像到图像的平滑过渡，并能生成连贯的变形视频。项目提供了完整的训练和推理代码，支持用户自定义图像对进行变形，适用于创意内容生成、动画制作等场景。
开源
free
视频生成
GitHub 星标
★ 509
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队Kevin-thu
所属国家
定价模式free
价格说明开源项目，代码公开，可自行部署使用，无收费计划。
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型diffusion-models,image-editing,image-morphing,video-generation
GitHub 星标★ 509
30天Star增速
HF 下载量
上线时间2023-12-11 00:00:00
最近更新2026-09-21 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4
使用教程
核心亮点
- 基于扩散模型，变形结果语义一致性强，身份和纹理保持好
- 支持生成连贯视频，适合动画和创意内容制作
- CVPR 2024 官方代码，学术认可度高，实现参考价值大
不足之处
- 文档/社区待观察
- 依赖扩散模型推理，计算资源需求较高
适用场景
- 创意图像编辑与艺术效果生成
- 动画制作中的形状/纹理过渡
- 视觉特效和广告内容生产
替代项目
StyleGAN2、U-GAT-IT、Recycle-GAN
项目介绍
上一篇：bingart
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
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···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
DeTikZify
开源
上传图表或草图，秒变可编译的TikZ矢量代码。
Synthesizing Graphics Programs for Scientific Figures and Sketches with TikZ.