OneDiffusion

一个模型搞定图像生成、编辑、重建与视角合成

OneDiffusion 是 CVPR 2025 论文的官方实现，一个基于扩散模型的统一图像生成与编辑框架。它解决了传统扩散模型只能处理单一任务（如文生图或图生图）的局限，通过一个模型同时支持文本到图像、图像到文本、单视角重建、新视角合成、图像编辑与翻译等多种任务。其核心能力在于使用大规模图像和视频数据训练，实现任务间的协同与泛化，并支持在推理时通过尺度自适应实现从单图到多图的生成。项目提供简洁的推理代码和预训练模型，方便研究者复现和扩展。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 666

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lehduong

所属国家

官网地址https://lehduong.github.io/OneDiffusion-homepage

GitHubhttps://github.com/lehduong/OneDiffusion

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无付费版本。

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-translation,novel-view-synthesis,single-view-reconstruction,stable-diffusion,text-to-image

GitHub 星标★ 666

30天Star增速

HF 下载量

上线时间2024-11-24 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2

使用教程

核心亮点

统一框架：单一模型覆盖多种图像任务，减少多模型切换成本
论文官方实现：代码与 CVPR 2025 论文对应，可靠性高
支持尺度自适应：推理时可从单图扩展到多图生成，灵活性好

不足之处

早期项目，文档和社区支持待观察
依赖特定预训练模型，可能对硬件要求较高

适用场景

学术研究：复现论文结果或扩展新任务
3D内容创作：从单张图片生成多视角图像
图像编辑与翻译：统一处理风格迁移、修复等任务

替代项目

Stable Diffusion、ControlNet、Zero-1-to-3

项目介绍

OneDiffusion 是图像领域的开源项目，由 lehduong 开发，2024 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 666。

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。代码公开，可自行部署使用，无付费版本。

它主要面向的使用场景是：学术研究：复现论文结果或扩展新任务。同类可对比的替代方案包括 Stable Diffusion、ControlNet、Zero-1-to-3。

上一篇：HunyuanImage-2.1

下一篇：flash-diffusion