BlendGAN

一个模型搞定任意人脸风格,无需重新训练

BlendGAN 是一个基于 PyTorch 的官方实现,来自 NeurIPS 2021 论文。它解决的是人脸风格化生成中风格控制不灵活的问题,核心创新在于提出了一种隐式的 GAN 混合机制,无需显式训练多个模型或进行复杂的权重插值,即可在单一模型中实现任意风格的连续切换。其核心能力包括:通过一个轻量级的混合网络(Blending Module)将预训练的风格编码器与生成器结合,支持从粗到细的风格控制;能够生成高分辨率、高质量且风格多样的人脸图像;代码结构清晰,便于研究者复现和扩展。该项目为图像生成和风格迁移领域提供了一个新的思路,特别适合需要精细控制生成风格的研究和应用场景。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 496
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onion-liu
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型gan,generative-adversarial-network,image-generation,style-transfer
GitHub 星标★ 496
30天Star增速
HF 下载量
上线时间2021-10-18 00:00:00
最近更新2026-09-17 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

  • 创新性地提出隐式 GAN 混合,实现任意风格连续插值,无需多个模型
  • 基于 StyleGAN 架构,生成图像质量高,风格控制细腻
  • 官方 PyTorch 实现,代码结构清晰,易于复现和二次开发

不足之处

  • 项目文档相对简略,社区讨论和示例较少
  • 依赖预训练的 StyleGAN 权重,使用门槛稍高

适用场景

  • 人脸风格化生成,如艺术肖像、动漫化
  • 风格迁移研究,探索 GAN 潜空间插值
  • 创意内容生成,如虚拟角色设计

替代项目

StyleGAN2、JoJoGAN、StarGAN v2

项目介绍

BlendGAN 是图像领域的开源项目,由 onion-liu 开发,2021 年首次发布。

它收录于图像分类,该分类目前共有 839 个项目,GitHub 星标数为 496。

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 2026-09-17。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:人脸风格化生成,如艺术肖像、动漫化。同类可对比的替代方案包括 StyleGAN2、JoJoGAN、StarGAN v2。

上一篇:TargetCLIP

下一篇:dynacover

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

★ 13967 2026-08-09
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···

★ 70 2026-08-09
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

★ 8427 2026-08-09