Merge-Stable-Diffusion-models-without-distortion
不训练，无损合并多个Stable Diffusion模型，统一风格与能力。
项目预览
项目数据
项目介绍
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 ★ 147
核心亮点
- 基于Git Re-Basin论文的严谨数学方法，合并过程有理论支撑，避免简单平均导致的模型损坏。
- 无需额外训练或微调，直接合并现有模型权重，节省大量计算资源。
- 代码结构清晰，依赖少（仅PyTorch），易于集成到现有Stable Diffusion工作流中。
不足之处
- 项目处于早期阶段，文档和示例较少，上手需要一定论文阅读基础。
- 仅支持Stable Diffusion系列模型，对其他扩散模型（如Imagen）不适用。
适用场景
- 将多个风格化LoRA或微调模型合并为一个全能模型，用于统一内容生成。
- 在资源有限环境下，通过模型合并替代多模型加载，降低显存占用。
- 研究模型权重空间特性，探索不同模型间的语义对应关系。
替代项目
sd-webui-model-merger、MergeKit、Stable Diffusion Weight Merge
上一篇：CDM
同类项目推荐
Liger-Kernel
开源
不改模型结构，给 LLM 训练省显存提吞吐
Efficient Triton Kernels for LLM Training
easydistill
开源
一键蒸馏大模型，小模型也能拥有大智慧
a toolkit on knowledge distillation for large language models
MoA
开源
自动混合稀疏注意力，压缩 LLM 省内存提速
[CoLM'25] The official implementation of the paper
PRIME
开源
让大模型学会深度推理，强化学习训练一步到位
Scalable RL solution for advanced reasoning of language models
Automodel
开源
Hugging Face 模型直接多卡分布式微调，不改代码。
Pytorch Distributed native training library for LLMs/VLMs with OOTB Hugging Face sup···
vector-quantize-pytorch
开源
一行替换量化层，轻松训练离散潜变量模型
Vector (and Scalar) Quantization, in Pytorch
xmtf
开源
多任务微调，让模型学会跨语言举一反三
Crosslingual Generalization through Multitask Finetuning
paradigms
开源
并行采样加速扩散模型，少步生成高质量图像
PyTorch implementation for "Parallel Sampling of Diffusion Models", NeurIPS 2023 Spo···
AgentGym
开源
让大模型智能体在多样环境中自我进化，一键复现论文实验
Code and implementations for the ACL 2025 paper "AgentGym: Evolving Large Language M···