Few-Shot-Patch-Based-Training 是图像领域的开源项目，由 OndrejTexler 开发，2020 年首次发布。
它收录于图像分类，该分类目前共有 840 个项目，GitHub 星标数为 627。
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 2026-09-22。可自行部署使用，完全免费。
它主要面向的使用场景是：艺术视频风格化创作。同类可对比的替代方案包括 AdaIN、CycleGAN、STTN。
Few-Shot-Patch-Based-Training
少量样本训练，交互式视频风格化，帧间稳定不闪烁
这是一个基于少量样本补丁训练的交互式视频风格化工具，源自SIGGRAPH 2020论文。它解决的是传统风格迁移需要大量训练数据且难以保持视频时序一致性的问题。核心能力包括：利用少量样本（如单张风格图）训练生成对抗网络，实现图像到图像的风格转换；通过补丁训练方式提升模型对局部纹理的捕捉能力；支持交互式调整，用户可实时预览并控制风格化效果；针对视频输入，优化了帧间一致性，减少闪烁。项目基于PyTorch实现，提供C++推理接口，适合研究者和开发者用于艺术风格迁移、视频特效制作等场景。
开源
free
图像生成
GitHub 星标
★ 627
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OndrejTexler
所属国家
定价模式free
价格说明开源项目，可自行部署使用，完全免费。
访问状态
是否开源是
开源协议
主要语言C++
技术栈/模型deep-learning,gan,generative-adversarial-network,image-generation,image-to-image-translation,pytorch,style-transfer
GitHub 星标★ 627
30天Star增速
HF 下载量
上线时间2020-08-13 00:00:00
最近更新2026-09-22 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2
使用教程
核心亮点
- 少量样本即可训练，无需大规模数据集
- 交互式调整，实时预览风格化效果
- 视频风格化时序一致性好，减少闪烁
不足之处
- 文档/社区待观察
- C++接口编译配置复杂，上手门槛较高
适用场景
- 艺术视频风格化创作
- 影视后期特效快速预览
- 实时交互式风格迁移研究
替代项目
AdaIN、CycleGAN、STTN
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
imagen-pytorch
开源
说句话生成高清图，放大也不糊
Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch