MIGC

用边界框和文字精准控制每个物体，轻松生成多实例图像。

MIGC是一个由CVPR 2024 Highlight和TPAMI 2024论文支持的图像生成项目，专注于多实例生成与编辑。它解决了现有文本到图像模型在生成多个对象时难以精确控制每个实例的位置、属性和关系的问题。核心能力包括：支持通过边界框和文本提示词对每个实例进行精细控制，实现多对象的同时生成与编辑；基于Stable Diffusion，提供更稳定的生成质量；官方代码实现，便于研究者复现和扩展。项目旨在提升图像生成的可控性和灵活性，适用于需要复杂场景合成的应用。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 613

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limuloo

所属国家

官网地址

GitHubhttps://github.com/limuloo/MIGC

定价模式free

价格说明开源项目，全部功能免费，需自行部署使用。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型aigc,computer-vision,cvpr,cvpr2024,stable-diffusion,text-to-image,tpami2024

GitHub 星标★ 613

30天Star增速

HF 下载量

上线时间2024-02-05 00:00:00

最近更新2026-09-20 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

CVPR 2024 Highlight和TPAMI 2024双顶会论文背书，算法理论扎实
支持每个实例独立控制位置和属性，多对象生成精度高
基于Stable Diffusion，生态兼容性好，易于集成到现有流程

不足之处

文档/社区待观察
项目尚处早期，星标数不高，可能缺少成熟的使用案例

适用场景

复杂场景图像合成，如多人物合影、多物体布局设计
图像编辑，如调整单个物体位置或属性而不影响其他部分
创意设计辅助，快速生成多元素概念图

替代项目

ControlNet、Multi-Concept Customization、Layout-Guidance

项目介绍

MIGC 是图像领域的开源项目，由 limuloo 开发，2024 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 613。

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 2026-09-20。全部功能免费，需自行部署使用。

它主要面向的使用场景是：复杂场景图像合成，如多人物合影、多物体布局设计。同类可对比的替代方案包括 ControlNet、Multi-Concept Customization、Layout-Guidance。

上一篇：blended-latent-diffusion

下一篇：text-to-image