StyleNAT 是图像领域的开源项目，由 SHI-Labs 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 102。
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 2026-03-18。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：高保真人脸图像生成。同类可对比的替代方案包括 StyleGAN3、NVAE、DiT。
StyleNAT
用邻域注意力生成高清人脸，FID 2.05 刷新纪录
StyleNAT 是一个基于 Neighborhood Attention（邻域注意力）机制的图像生成框架，属于 GAN 家族。它解决了传统 GAN 在生成高分辨率图像时计算效率低、全局注意力难以兼顾局部细节的问题。核心能力包括：利用邻域注意力替代全局注意力，在保持生成质量的同时显著降低计算复杂度；在 FFHQ-256 数据集上达到 FID 2.05 的 SOTA 成绩；支持灵活调节注意力范围，适应不同图像分辨率。该框架提供了完整的训练和推理代码，基于 PyTorch 实现，适合研究者和开发者用于高保真人脸生成、图像编辑等任务。
开源
free
图像生成
GitHub 星标
★ 102
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SHI-Labs
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型gan,image-generation,neighborhood-attention
GitHub 星标★ 102
30天Star增速
HF 下载量
上线时间2022-11-09 00:00:00
最近更新2026-03-18 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3
使用教程
核心亮点
- 在 FFHQ-256 上 FID 2.05 超越同期 SOTA，生成质量高
- 邻域注意力机制比全局注意力计算更高效，显存占用更低
- 代码结构清晰，基于 PyTorch，易于复现和二次开发
不足之处
- 项目处于早期，文档和社区支持待观察
- 仅验证了 256 分辨率，更高分辨率效果未知
适用场景
- 高保真人脸图像生成
- 图像编辑与风格迁移研究
- 高效 GAN 架构的学术对比实验
替代项目
StyleGAN3、NVAE、DiT
项目介绍
上一篇：MV-Adapter
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
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···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
imagen-pytorch
开源
说句话生成高清图，放大也不糊
Implementation of Imagen, Google's Text-to-Image Neural Network, in Pytorch