RAT-GAN

用文字描述，生成对应图像

RAT-GAN 是一个基于条件生成对抗网络（Conditional GAN）的文本到图像生成项目，旨在根据自然语言描述生成对应的图像。它解决了从文本语义到视觉内容映射的难题，核心能力包括使用循环注意力机制（Recurrent Attention）来逐步细化图像生成过程，并利用文本嵌入作为条件引导生成器。项目基于 PyTorch 实现，提供了训练和推理代码，适用于研究场景。尽管星标数不高，但作为早期探索，其方法对后续文本生成图像模型有一定参考价值。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 53
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senmaoy
所属国家
官网地址
GitHubhttps://github.com/senmaoy/RAT-GAN
定价模式free
价格说明开源项目，可自行部署使用，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型gan,generative-adversarial-network,image-generation,pytorch,text-to-image
GitHub 星标★ 53
30天Star增速
HF 下载量
上线时间2022-04-22 00:00:00
最近更新2026-06-04 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4

使用教程

核心亮点

  • 引入循环注意力机制，逐步细化图像生成，提升细节质量
  • 基于 PyTorch，代码结构清晰，易于二次开发和实验
  • 提供完整的训练与推理流程，适合学术研究入门

不足之处

  • 文档/社区待观察
  • 生成图像分辨率较低，与当前主流模型有差距

适用场景

  • 学术研究：探索文本到图像生成的注意力机制
  • 教育实验：理解 GAN 在跨模态生成中的应用
  • 原型验证：快速验证文本描述到图像的可行性

替代项目

AttnGAN、StackGAN、DALL-E

项目介绍

RAT-GAN 是图像领域的开源项目，由 senmaoy 开发，2022 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 53。

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 2026-06-04。可自行部署使用，完全免费。

它主要面向的使用场景是：学术研究：探索文本到图像生成的注意力机制。同类可对比的替代方案包括 AttnGAN、StackGAN、DALL-E。

上一篇：pixelgpt-24x24

下一篇：Image-AI-Generator-2026

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
ComfyUI 开源

像搭积木一样连节点，生图流程自己搭

The most powerful and modular diffusion model GUI, api and backend with a graph/node···

★ 134493 2026-08-09