UniDiffusion

一站式训练扩散模型，切换多种个性化方法无需改代码

UniDiffusion 是一个基于 diffusers 库的扩散模型训练工具箱，旨在统一多种主流个性化生成方法（如 Dreambooth、Textual Inversion、LoRA、Custom Diffusion、XTI 等），提供开箱即用的训练流程。它解决了研究者或开发者需要分别配置不同方法、代码分散且难以复现的问题，通过模块化设计整合了数据预处理、训练脚本、推理接口和配置管理，支持 Stable Diffusion 等基础模型。核心能力包括：一键切换训练方法、统一的数据集格式、可扩展的插件架构，以及基于现有 SOTA 方法的基准实现。项目处于早期阶段，代码结构清晰，适合作为学习或二次开发的起点，但功能完整性和生态成熟度尚待提升。