AnyControl

多条件自由组合，一张图全满足你的控制需求

AnyControl是一个基于扩散模型的图像生成框架，由ECCV 2024论文提出，核心解决多条件控制图像生成中控制信号冲突与融合难的问题。它支持用户同时输入多种控制信号，如边缘图、深度图、姿态、分割图、涂鸦等，并能自由组合任意数量与类型的条件，无需额外训练或调整。模型通过统一的控制编码器将不同模态的条件映射到共享特征空间，再与文本提示协同引导生成，从而输出自然和谐且与所有条件一致的图像。相比现有方法仅支持单一或有限控制，AnyControl实现了真正意义上的多控制融合，并保持生成质量与语义一致性。项目提供推理代码和预训练模型，适合研究可控生成、多模态条件交互及创意设计等场景。

开源 unknown 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 132

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open-mmlab

所属国家

官网地址https://any-control.github.io

GitHubhttps://github.com/open-mmlab/AnyControl

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型controllable-generation,multi-control,text-to-image

GitHub 星标★ 132

30天Star增速

HF 下载量

上线时间2024-07-01 00:00:00

最近更新2026-06-09 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

支持任意数量与类型的控制信号组合，如边缘、深度、姿态、分割等，无需重新训练
基于统一编码器融合多模态条件，有效缓解控制信号间的冲突，生成结果自然和谐
ECCV 2024论文背书，技术方案有学术验证，且提供官方代码与预训练模型

不足之处

项目处于早期阶段，星标仅132，社区生态和文档完善度待观察
多控制融合可能增加计算资源消耗，生成速度可能较慢

适用场景

创意设计：设计师用草图、色块、姿态等组合控制生成概念图
影视游戏：根据分镜图、角色姿态和场景深度多条件生成概念原画
学术研究：用于多模态条件生成、可控扩散模型等方向的研究对比

替代项目

ControlNet、T2I-Adapter、Composer

项目介绍

AnyControl 是图像领域的开源项目，由 open-mmlab 开发，2024 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 132。

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 2026-06-09。从国内网络环境看，可直接访问。

它主要面向的使用场景是：创意设计：设计师用草图、色块、姿态等组合控制生成概念图。同类可对比的替代方案包括 ControlNet、T2I-Adapter、Composer。

上一篇：MirrorGAN

下一篇：Canvas