Awesome-Controllable-T2I-Diffusion-Models

一网打尽扩散模型可控生成资源,快速上手精准出图

这是一个关于文本到图像扩散模型可控生成的资源集合,旨在解决扩散模型生成结果难以精确控制的问题。项目系统整理了该领域的前沿研究、方法和工具,涵盖空间控制(如布局、深度图、边缘图)、多概念定制(如DreamBooth、LoRA)、个性化生成、编辑与局部重绘等方向。核心能力包括:提供分类清晰的技术路线图,收录大量论文、代码和数据集链接,帮助研究者快速了解可控生成的技术全貌并追踪最新进展。项目持续更新,是进入该领域或寻找具体实现方案的重要索引。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1110
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PRIV-Creation
所属国家
官网地址
定价模式free
价格说明开源资源列表,MIT许可证,完全免费,无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言
技术栈/模型awesome,awesome-list,controllable-generation,diffusion-models,multi-concept,personalization,spatial-controls,text-to-image
GitHub 星标★ 1110
30天Star增速
HF 下载量
上线时间2023-04-13 00:00:00
最近更新2026-07-30 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

难度:入门 约 10 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 可访问 GitHub 的网络环境
  • 已安装 Git(用于克隆仓库)
  • 可阅读 arXiv 论文的浏览器或 PDF 阅读器

安装与启动步骤

  1. 1克隆资源仓库

    把索引仓库拉到本地,方便离线查阅各方向的论文与代码链接。项目本身是资源列表,不包含可运行代码。

    git clone https://github.com/PRIV-Creation/Awesome-Controllable-T2I-Diffusion-Models.git
  2. 2阅读目录结构

    打开仓库中的 README,从 Contents 章节了解分类,如 Personalization 下的 Subject/Person/Style-Driven Generation 等分支。

  3. 3阅读配套综述论文

    README 指向作者团队的综述论文,用于理解可控生成的整体框架与术语,再回来看索引会更高效。

  4. 4按方向挑选条目

    从空间控制、多概念定制、个性化、编辑与局部重绘等方向中,挑选感兴趣的子章节,逐条跳转到对应论文或代码库。

  5. 5提交新论文入口

    README 说明内容由数据库生成,新增论文请在 issue 中提供信息,不要直接提交 PR。

如何确认成功

本地出现 Awesome-Controllable-T2I-Diffusion-Models 目录,且 README 中能看到 Contents 章节,即表示克隆成功。

常见问题

Q:这个项目需要安装依赖或跑代码吗?

A:不需要。它是 awesome 资源索引,README 未提供任何安装、运行命令,克隆后直接阅读即可。

Q:怎样向仓库补充新论文?

A:不要直接提交 PR。请开 issue,按 README 要求填写三项:论文标题、arXiv ID(如有)、发表状态(如有)。

Q:想系统学习可控生成,先看什么?

A:先读 README 指向的综述论文 Controllable Generation with Text-to-Image Diffusion Models: A Survey(arXiv:2403.04279),再按其中的分类查阅列表。

Q:可以引用或转载这些内容吗?

A:README 给出了 BibTeX 引用格式(cao2024controllable),使用综述或该合集时建议按此格式引用并给仓库点星。

注意事项

  • 仓库内容由作者团队的数据库自动生成,请勿直接修改列表条目。
  • README 未提供任何环境变量、端口或配置文件,遇到要求填写密钥的页面请自行判断来源。
  • 索引中的论文与代码链接由第三方维护,使用前请留意各自的许可证与开源协议。

核心亮点

  • 分类细致,覆盖空间控制、多概念、编辑等主流可控生成方向
  • 收录论文均附代码链接,便于复现和实践
  • 持续更新,紧跟最新研究,社区活跃度高

不足之处

  • 资源列表形式,缺乏深度教程和对比分析
  • 文档/社区待观察

适用场景

  • 科研人员调研可控生成技术方向
  • 开发者寻找特定控制方法的开源实现
  • 产品经理了解可控生成能力边界

替代项目

Awesome-Diffusion-Models、Awesome-Generative-AI、Diffusion-Models-Papers

项目介绍

Awesome-Controllable-T2I-Diffusion-Models 是开源模型领域的开源项目,由 PRIV-Creation 开发,2023 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,110)位列前 30%,在开源模型分类中处于中上游。

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 2026-07-30。开源资源列表,MIT许可证,完全免费,无付费版本。

它主要面向的使用场景是:科研人员调研可控生成技术方向。同类可对比的替代方案包括 Awesome-Diffusion-Models、Awesome-Generative-AI、Diffusion-Models-Papers。

上一篇:Kandinsky-2

下一篇:CogView2

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10