attention-interpolation-diffusion

插值注意力图，让扩散模型生成更可控

这是一个 NeurIPS 2024 的官方实现，针对文本到图像扩散模型中的注意力插值技术。它解决的是在 Stable Diffusion 等模型中，如何通过插值注意力图来精细控制生成图像的语义或风格过渡，而无需重新训练模型。核心能力包括：提供注意力插值的算法实现、与现有扩散模型（如 Stable Diffusion）的集成接口、以及用于复现论文实验的代码和示例。项目基于 PyTorch，主要用 Jupyter Notebook 展示使用流程，适合研究者或开发者探索扩散模型的可解释性和可控生成。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 111

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QY-H00

所属国家

官网地址https://qy-h00.github.io/attention-interpolation-diffusion

GitHubhttps://github.com/QY-H00/attention-interpolation-diffusion

定价模式free

价格说明开源项目，代码公开，可自行部署使用，无收费计划。

访问状态

是否开源是

开源协议

主要语言Jupyter Notebook

技术栈/模型deep-learning,diffusion,image-interpolation,pytorch,stable-diffusion,text-to-image-generation

GitHub 星标★ 111

30天Star增速

HF 下载量

上线时间2024-02-22 00:00:00

最近更新2026-09-09 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

官方实现，算法经过 NeurIPS 2024 论文验证，可信度高
直接集成 Stable Diffusion，无需重新训练即可应用
提供 Jupyter Notebook 示例，上手门槛低，便于复现

不足之处

项目处于早期，文档和社区支持待观察
依赖特定模型版本，泛化性需自行测试

适用场景

研究扩散模型内部注意力机制的可解释性
实现图像风格或语义的平滑过渡生成
在不重训模型的前提下微调生成细节

替代项目

Diffusion-Interpolation、Prompt-to-Prompt、FreeU

项目介绍

attention-interpolation-diffusion 是图像领域的开源项目，由 QY-H00 开发，2024 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 111。

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 2026-09-09。代码公开，可自行部署使用，无收费计划。

它主要面向的使用场景是：研究扩散模型内部注意力机制的可解释性。同类可对比的替代方案包括 Diffusion-Interpolation、Prompt-to-Prompt、FreeU。

上一篇：ComfyUI_ColorMod

下一篇：yasd-discord-bot