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。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 30 🐛 待处理 14 👀 关注 21

GitHub ↗

GitHub 星标 ★ 607

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，全部功能免费，需自行部署使用。

项目预览

项目数据

分类图像生成

开发团队limuloo

GitHubhttps://github.com/limuloo/MIGC

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 607

上线时间2024-02-05 00:00:00

代码更新2025-05-15

仓库体积34.2 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 607

技术标签

aigc computer-vision cvpr cvpr2024 stable-diffusion

使用教程

难度：高级约 90 分钟部署方式：本地GPU 5 步

环境要求

GPU 显存 12G 以上
Python 3.9
预训练权重

安装与启动步骤

1建环境

指定解释器版本，按仓库给的环境来。
```
conda create -n MIGC_diffusers python=3.9 -y
```
2装依赖与本体

先装依赖清单，再装成本地可编辑模式。
```
pip install -r requirement.txt
```
3生成单图

先用示例跑一张，确认多实例生成正常。
```
CUDA_VISIBLE_DEVICES=0 python inference_single_image.py
```
4试增强版本

实例数量多时增强版更稳，布局更可控。
```
CUDA_VISIBLE_DEVICES=0 python migc_plus_inference_single_image.py
```
5跑基准对照

要在自己场景用，先跑它给的基准摸底。
```
CUDA_VISIBLE_DEVICES=0 python inference_mig_benchmark.py
```