TokenCompose

让AI画图不再漏物体，多物体组合更听话

TokenCompose 是一个基于扩散模型的文本到图像生成方法，核心创新在于引入 token 级别的监督信号，以解决多物体组合生成中常见的问题，如物体遗漏、属性混淆等。该项目由 CVPR 2024 收录，主要针对文本描述中多个物体及其关系难以准确渲染的痛点，通过在每个 token 级别上施加监督，提升生成图像与文本描述在语义和空间上的一致性。其核心能力包括：支持多物体组合生成、提高文本-图像对齐精度、以及增强复杂场景下的生成可控性。项目基于 Jupyter Notebook 实现，便于研究和演示，适合学术探索和二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 137

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mlpc-ucsd

所属国家

官网地址https://mlpc-ucsd.github.io/TokenCompose

GitHubhttps://github.com/mlpc-ucsd/TokenCompose

定价模式free

价格说明开源项目，提供在线演示页面，代码与模型权重免费获取，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型artificial-intelligence,computer-vision,diffusion-models,generative-ai,image-generation,latent-diffusion,machine-learning,multimodal,stable-diffusion,text-to-image

GitHub 星标★ 137

30天Star增速

HF 下载量

上线时间2023-12-03 00:00:00

最近更新2026-03-28 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

token级监督机制显著提升多物体组合的生成准确率，减少物体遗漏
基于CVPR 2024论文，方法有理论支撑，学术价值高
代码以Notebook形式提供，易于上手复现实验

不足之处

项目处于早期阶段，文档和社区支持待观察
未提供预训练模型权重，需自行训练或依赖基础模型

适用场景

学术研究：多物体文本到图像生成的对齐问题
创意设计：需要精确控制多个物体属性的图像生成
模型开发：作为扩散模型改进的基线或组件

替代项目

Stable Diffusion、Composable Diffusion、Attend-and-Excite

项目介绍

TokenCompose 是图像领域的开源项目，由 mlpc-ucsd 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 137。

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 2026-03-28。提供在线演示页面，代码与模型权重免费获取，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：学术研究：多物体文本到图像生成的对齐问题。同类可对比的替代方案包括 Stable Diffusion、Composable Diffusion、Attend-and-Excite。

上一篇：feed_forward_vqgan_clip

下一篇：flux-ai-image-webui