TokenCompose

让AI画图不再漏物体，多物体组合更听话

开源 🏷️完全免费 ✅ 目前可打开 图像生成 🍴 复刻 6 🐛 待处理 3 👀 关注 5
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 138
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，提供在线演示页面，代码与模型权重免费获取，无付费版本。

项目预览

TokenCompose 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类图像生成
开发团队mlpc-ucsd
官网地址https://mlpc-ucsd.github.io/TokenCompose
GitHubhttps://github.com/mlpc-ucsd/TokenCompose
定价模式🏷️完全免费
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✅ 目前可打开
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★ 138
上线时间2023-12-03 00:00:00
代码更新2024-12-21
仓库体积213.7 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5

项目介绍

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。

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 ★ 138

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

上一篇：feed_forward_vqgan_clip

下一篇：flux-ai-image-webui

同类项目推荐

InfiniteYou 开源

换脸不换人，照片随心改，身份永不变

[ICCV 2025 Highlight] InfiniteYou: Flexible Photo Recrafting While Preserving Your I···

★ 2690 2026-08-09
AODA 开源

让草图在开放域下也能生成逼真照片，突破类别限制

Official implementation of "Adversarial Open Domain Adaptation for Sketch-to-Photo S···

★ 88 2026-08-09
cross-image-attention 开源

零训练，用注意力机制把参考图外观迁移到任意目标图

Officail Implementation for "Cross-Image Attention for Zero-Shot Appearance Transfer···

★ 404 2026-08-09
ilab-conjure 开源

给 GPT-image-2 装个可视化工作台，批量出图不排队

本地优先的多模型 AI 图片生成工作台，支持 GPT Image、Gemini、图像编辑、素材库、模板与···

★ 732 2026-08-09
pixelgpt-24x24 开源

本地30分钟训练，一句话生成24x24像素画

Tiny local text-to-24x24 pixel art model, trained on roughly 200K samples in 30 minu···

★ 103 2026-08-09
ID-Patch 开源

让群体照片生成时，每个人的脸都能对号入座

Official implementation of CVPR 2025 paper "ID-Patch: Robust ID Association for Grou···

★ 77 2026-08-09
app.enfugue.ai 开源

本地部署生成工作室级图像和视频，隐私安全又高效

ENFUGUE is an open-source web app for making studio-grade images and video using gen···

★ 754 2026-08-09