StyleCLIPDraw

输入文字和风格，自动生成风格化矢量画

StyleCLIPDraw 是一个基于 CLIP 和风格迁移的文本到绘画合成方法，发表于 IJCAI 2022 和 NeurIPS 2021 创意设计研讨会。它解决的是传统文本生成图像模型难以控制绘画风格的问题，允许用户通过自然语言描述内容，同时指定艺术风格（如油画、水彩、素描等），生成具有特定风格特征的矢量绘画。核心能力包括：利用 CLIP 模型对齐文本与图像语义，通过风格损失函数引导生成过程，支持用户自定义风格参考图，输出可编辑的矢量图形。项目提供 Jupyter Notebook 演示，便于研究者复现和二次开发。

开源 free 设计创意

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 280

维护状态低维护

是否开源是

定价模式 free

项目数据

分类设计创意

开发团队pschaldenbrand

所属国家

官网地址

GitHubhttps://github.com/pschaldenbrand/StyleCLIPDraw

定价模式free

价格说明开源项目，GPL-3.0许可，可自行部署使用，无收费版本。

访问状态

是否开源是

开源协议GPL-3.0

主要语言Jupyter Notebook

技术栈/模型creative-ai,style-transfer,text-to-drawing,text-to-image-synthesis

GitHub 星标★ 280

30天Star增速

HF 下载量

上线时间2021-09-23 00:00:00

最近更新2026-06-11 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

核心亮点

融合 CLIP 语义对齐与风格迁移，实现文本到风格化绘画的精准控制
输出为矢量格式，支持后续编辑和缩放，适合设计工作流
提供完整 Notebook 演示，学术方法可复现性强

不足之处

生成速度较慢，依赖 CLIP 迭代优化，实时性不足
风格控制依赖参考图，风格多样性有限
文档/社区待观察

适用场景

设计师快速生成风格化概念草图
艺术教育中演示文本到绘画的创作过程
研究者探索 CLIP 在创意生成中的应用

替代项目

CLIPDraw、Txt2Vectorgraphics、VectorFusion

项目介绍

StyleCLIPDraw 是图像领域的开源项目，由 pschaldenbrand 开发，2021 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 280。

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 2026-06-11。GPL-3.0许可，可自行部署使用，无收费版本。

它主要面向的使用场景是：设计师快速生成风格化概念草图。同类可对比的替代方案包括 CLIPDraw、Txt2Vectorgraphics、VectorFusion。

上一篇：neural-painters-x

下一篇：DiffusionTexturePainting