PowerPaint

一个模型搞定图像修补：插入、移除、外扩、形状生成全支持

开源 🏷️完全免费 ✅ 目前可打开图像生成 🍴 复刻 88 🐛 待处理 54 👀 关注 16

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1124

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源模型，MIT许可证，可免费使用和商用，无付费版本。

项目预览

项目数据

分类图像生成

开发团队open-mmlab

官网地址https://powerpaint.github.io

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

定价模式🏷️完全免费

价格说明开源模型，MIT许可证，可免费使用和商用，无付费版本。

访问状态✅ 目前可打开

是否开源是

开源协议MIT

主要语言Python

技术栈/模型aigc,generation,image-editing,image-inpainting,stable-diffusion

GitHub 星标★ 1124

上线时间2023-12-05 00:00:00

代码更新2026-08-15

仓库体积8.7 MB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-09

浏览次数9

项目介绍

PowerPaint 是一个基于 Stable Diffusion 的高质量多功能图像修补模型，由上海AI实验室等机构在 ECCV 2024 提出。它解决了传统修补模型功能单一、需要针对不同任务分别训练的问题，用一个统一模型同时支持文本引导的物体插入、物体移除、图像外扩（outpainting）和形状引导的物体生成。其核心能力在于通过可学习的任务提示（prompt）来动态切换不同修补模式，无需修改模型权重，即可在多种场景下保持高保真度和语义一致性。项目提供了完整的训练和推理代码、预训练权重以及 Gradio 演示界面，方便研究者复现和开发者集成。技术上基于扩散模型，支持与 ControlNet 等插件结合，实现更精细的形状控制。

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 ★ 1124

技术标签

aigc generation image-editing stable-diffusion

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 20 分钟部署方式：本地安装 5 步

环境要求

已安装 Python 与 pip，可执行 pip install
或已安装 Conda，可执行 conda env create / conda activate
已安装 Git 并可访问 GitHub
建议具备可用的 GPU 环境（PowerPaint 基于 Stable Diffusion）
磁盘空间需容纳依赖与大体积模型权重文件

安装与启动步骤

1克隆项目仓库

把 PowerPaint 源码下载到本地，后续的 requirements 文件都在仓库内。建议在空目录中执行，避免路径混乱。
```
git clone https://github.com/open-mmlab/PowerPaint.git
```
2pip 方式装依赖

进入仓库根目录后按 README 用 requirements 文件安装依赖。这是两种安装方式之一，与 conda 方式二选一。
```
cd PowerPaint
pip install -r requirements/requirements.txt
```
3conda 方式建环境

README 提供的另一种做法：从零构建 conda 环境 ppt。如果你已经用 pip 装过依赖，就不需要再执行这一步。
```
cd PowerPaint
conda env create -f requirements/ppt.yaml
```
4激活 conda 环境

使用 conda 方式安装后需激活 ppt 环境再运行代码。此步仅适用于上一步 conda 建环境的情况。
```
conda activate ppt
```
5配置 Git LFS

README 要求安装 git-lfs 并初始化，用于拉取仓库中的大体积文件（如模型权重）。需在有 conda 的环境下执行。
```
conda install git-lfs
git lfs install
```

如何确认成功

依赖安装过程无报错，命令 conda activate ppt 能正常进入 ppt 环境，即表示基础环境准备完成。

常见问题

Q：pip 和 conda 两种安装方式该选哪个？

A：README 给出的两条路径二选一即可：pip install -r requirements/requirements.txt 适合已有 Python 环境；conda env create -f requirements/ppt.yaml 会新建独立的 ppt 环境，避免依赖冲突。

Q：为什么还要装 git-lfs？

A：README 明确要求先 conda install git-lfs 再执行 git lfs install，用于管理并拉取仓库中的大文件（如模型权重），缺少它可能拉不全权重。

Q：conda activate ppt 提示找不到环境怎么办？

A：说明 ppt.yaml 未成功创建环境。先回到仓库根目录重新执行 conda env create -f requirements/ppt.yaml，确认无报错后再激活。

Q：安装完依赖后怎么开始使用？

A：本次 README 节选只覆盖依赖安装部分，权重下载与推理/Gradio 演示的启动命令需参考仓库后续文档与 HuggingFace、OpenXLab 上的权重页面。

注意事项

必须先用 git clone 获取仓库，requirements/ppt.yaml 与 requirements/requirements.txt 都在仓库目录内。
pip 与 conda 两种安装方式择一即可，混用可能造成依赖版本冲突。
conda activate ppt 仅在使用 ppt.yaml 建环境时才需要执行。
模型权重不在本段 README 中给出下载命令，请按官方 HuggingFace / OpenXLab 页面指引获取。