StyleKeeper 是图像领域的开源项目，由 naver-ai 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 483。
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。Apache-2.0 许可证，完全免费，需自行部署。
它主要面向的使用场景是：艺术风格迁移，需保持内容独立性。同类可对比的替代方案包括 StyleGAN、CycleGAN、DiffusionArt。
StyleKeeper
用负向引导，让风格迁移不偷内容
StyleKeeper 是一个基于 PyTorch 的官方实现，针对扩散模型（如 Stable Diffusion）在风格迁移或风格化生成时，内容信息从参考图像泄漏到生成结果中的问题。它通过引入“负视觉查询引导”（Negative Visual Query Guidance）机制，在生成过程中主动抑制与参考图像内容相关的特征，从而在保留风格的同时防止内容泄露。核心能力包括：提供完整的训练和推理代码、支持自定义风格参考、与主流扩散模型框架兼容。该项目解决了风格迁移中风格与内容解耦的难题，提升了生成图像的内容独立性。
开源
free
图像生成
GitHub 星标
★ 483
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naver-ai
所属国家
定价模式free
价格说明开源项目，Apache-2.0 许可证，完全免费，需自行部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型diffusion,stable-diffusion
GitHub 星标★ 483
30天Star增速
HF 下载量
上线时间2024-02-20 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3
使用教程
核心亮点
- 提出新颖的负视觉查询引导机制，有效解决内容泄漏问题
- 官方 PyTorch 实现，代码结构清晰，便于二次开发
- 基于 Stable Diffusion，生态兼容性好，易集成到现有流程
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 依赖特定扩散模型，泛化性需进一步验证
适用场景
- 艺术风格迁移，需保持内容独立性
- 图像编辑，避免参考图内容干扰
- 创意生成，需精细控制风格与内容分离
替代项目
StyleGAN、CycleGAN、DiffusionArt
项目介绍
同类项目推荐
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···