LECO

用LoRA轻量擦除扩散模型中的指定概念，不动原模型

LECO是一个基于低秩适配（LoRA）的扩散模型概念擦除工具，旨在从Stable Diffusion等预训练扩散模型中移除特定概念（如艺术风格、物体或不当内容），同时尽量保持模型对其他内容的生成能力。它通过训练轻量级的LoRA模块来引导模型在生成时避开目标概念，无需修改原始模型权重，推理时只需加载适配器即可。项目提供训练和推理脚本，支持自定义概念擦除，并附带评估流程。解决的核心问题是模型安全性和内容可控性，适用于内容过滤、版权规避和个性化模型净化等场景。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 323

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p1atdev

所属国家

官网地址

GitHubhttps://github.com/p1atdev/LECO

定价模式free

价格说明开源项目，Apache-2.0许可证，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型diffusion,lora,stable-diffusion

GitHub 星标★ 323

30天Star增速

HF 下载量

上线时间2023-06-21 00:00:00

最近更新2026-09-10 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1

使用教程

核心亮点

基于LoRA，训练参数少，速度快，显存占用低
支持自定义擦除概念，灵活适配不同需求
提供完整训练与推理代码，易于复现和集成

不足之处

项目处于早期，文档和社区支持待观察
擦除效果可能依赖训练数据质量和概念复杂度

适用场景

内容审核：移除模型生成不当或敏感内容
版权保护：擦除特定艺术风格或受版权保护的形象
个性化定制：为特定用户定制无某些概念的生成模型

替代项目

Erasing Concepts from Diffusion Models、Negative Prompt、Textual Inversion

项目介绍

LECO 是模型训练领域的开源项目，由 p1atdev 开发，2023 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 323。

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 2026-09-10。Apache-2.0许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：内容审核：移除模型生成不当或敏感内容。同类可对比的替代方案包括 Erasing Concepts from Diffusion Models、Negative Prompt、Textual Inversion。

上一篇：q-diffusion

下一篇：sdweb-merge-block-weighted-gui