blended-diffusion

用一句话自然语言，精准编辑照片指定区域

Blended Diffusion 是 CVPR 2022 论文的官方实现，提出了一种基于扩散模型的文本驱动图像编辑方法。它解决的是传统文本到图像生成模型难以对真实图像进行局部精准编辑的问题。核心能力是结合 CLIP 的文本语义理解与扩散模型的生成能力，在用户指定的图像区域内，根据文本描述生成新的内容，同时保持区域外的原始像素不变，实现无缝混合编辑。该方法无需额外训练，直接利用预训练模型，支持多种自然语言指令，如修改物体、改变颜色或添加元素等。项目提供了完整的推理代码和交互式演示，方便研究者复现和扩展。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 588

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omriav

所属国家

官网地址https://omriavrahami.com/blended-diffusion-page

GitHubhttps://github.com/omriav/blended-diffusion

定价模式free

价格说明开源项目，MIT许可证，免费使用，需自行部署。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型blended-diffusion,deep-learning,diffusion,multimodal,openai,openai-clip,text-guided-manipulation,text-to-image

GitHub 星标★ 588

30天Star增速

HF 下载量

上线时间2021-11-29 00:00:00

最近更新2026-09-08 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4

使用教程

核心亮点

无需微调，直接利用预训练扩散模型和 CLIP 实现零样本编辑
支持局部区域编辑，保持背景和未编辑区域像素不变，混合自然
官方实现，代码结构清晰，附带演示和预训练权重加载说明

不足之处

依赖特定扩散模型和 CLIP 版本，环境配置较复杂
编辑效果受文本描述和区域掩码质量影响，复杂场景可能不稳定
文档/社区待观察

适用场景

设计师快速替换产品图中的背景或物体
用户用自然语言修图，如把照片中的猫换成狗
研究者探索扩散模型在图像编辑中的应用

替代项目

GLIDE、DALL-E 2、Stable Diffusion

项目介绍

blended-diffusion 是图像领域的开源项目，由 omriav 开发，2021 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 588。

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 2026-09-08。MIT许可证，免费使用，需自行部署。

它主要面向的使用场景是：设计师快速替换产品图中的背景或物体。同类可对比的替代方案包括 GLIDE、DALL-E 2、Stable Diffusion。

上一篇：semantic-draw

下一篇：T2F