ChronoEdit

让 AI 理解时间变化，编辑图像还能预测未来状态

ChronoEdit 是一个面向图像编辑与世界模拟的时间推理框架，由 ICLR 2026 论文提出。它解决的是现有图像编辑模型缺乏对时间动态理解的问题，即无法根据时间变化（如季节更替、物体老化、运动过程）生成合理的编辑结果。核心能力包括：基于时间感知的编辑指令理解、跨时间步的图像状态预测、以及将静态图像编辑扩展到视频生成。项目提供模型训练代码、推理脚本和预训练权重，支持用户自定义时间编辑任务。技术栈基于 Python 和深度学习，适合研究时间推理与生成模型的开发者使用。

开源 unknown 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 707

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类图像生成

开发团队nv-tlabs

所属国家

官网地址https://research.nvidia.com/labs/toronto-ai/chronoedit

GitHubhttps://github.com/nv-tlabs/ChronoEdit

定价模式unknown

价格说明官网为NVIDIA研究页面，未提供明确定价信息，需进一步确认。

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aigc,image-editing,image-generation,video-generation

GitHub 星标★ 707

30天Star增速

HF 下载量

上线时间2025-09-04 00:00:00

最近更新2026-09-21 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

首次将时间推理显式引入图像编辑，创新性强
支持从静态编辑平滑过渡到视频生成，功能覆盖广
提供完整训练与推理代码，论文开源可复现

不足之处

早期项目，文档和社区支持待观察
依赖大规模时间序列数据，训练成本可能较高

适用场景

电影特效中的时间流逝场景生成
电商商品展示的季节性变化编辑
自动驾驶模拟中的环境动态预测

替代项目

InstructPix2Pix、Null-Text Inversion、Video Diffusion Models

项目介绍

ChronoEdit 是图像领域的开源项目，由 nv-tlabs 开发，2025 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 707。

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 2026-09-21。官网为NVIDIA研究页面，未提供明确定价信息，需进一步确认。从国内网络环境看，可直接访问。

它主要面向的使用场景是：电影特效中的时间流逝场景生成。同类可对比的替代方案包括 InstructPix2Pix、Null-Text Inversion、Video Diffusion Models。

上一篇：onnx-web

下一篇：One-DM