RvR

让图像编辑变成再生成，效果更自然更精准。

RvR是一个基于统一多模态模型的图像生成与精修工具，核心理念是“再生优于编辑”。它解决传统图像编辑中修改局部区域时容易产生伪影、风格不一致或破坏整体结构的问题。通过将编辑任务转化为再生成任务，RvR能够更有效地对图像进行局部或全局的精细调整，同时保持图像的自然度和连贯性。项目提供Python接口，支持多种图像精修场景，如修复瑕疵、改变物体属性、风格迁移等。其核心能力包括利用多模态模型理解文本指令、生成高质量图像区域、以及保持原图上下文的一致性。目前项目处于早期阶段，代码和文档正在完善中。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 54

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LeapLabTHU

所属国家

官网地址

GitHubhttps://github.com/LeapLabTHU/RvR

定价模式free

价格说明开源项目，MIT许可证，可自由使用和部署，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型image-generation,unified-multimodal-models

GitHub 星标★ 54

30天Star增速

HF 下载量

上线时间2026-03-19 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

提出“再生优于编辑”的新思路，能减少传统编辑的伪影和风格断裂。
基于统一多模态模型，支持文本指令驱动的精细化图像修改。
代码结构清晰，易于扩展和集成到现有图像生成流程。

不足之处

项目处于早期，文档和示例较少，上手有一定门槛。
依赖大型多模态模型，推理资源消耗可能较高。

适用场景

电商产品图局部瑕疵修复与美化
创意设计中的元素替换与风格统一
摄影后期对特定区域进行自然调整

替代项目

InstructPix2Pix、ControlNet、Stable Diffusion Inpainting

项目介绍

RvR 是图像领域的开源项目，由 LeapLabTHU 开发，是 2026 年新上线的项目。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 54。

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。MIT许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：电商产品图局部瑕疵修复与美化。同类可对比的替代方案包括 InstructPix2Pix、ControlNet、Stable Diffusion Inpainting。

上一篇：MLX_z-image

下一篇：Text2Earth

RvR