StyleNAT

用邻域注意力生成高清人脸，FID 2.05 刷新纪录

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 图像生成 🍴 复刻 13 👀 关注 4
GitHub ↗
GitHub 星标 ★ 102
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

StyleNAT 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类图像生成
开发团队SHI-Labs
GitHubhttps://github.com/SHI-Labs/StyleNAT
定价模式🏷️完全免费
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🔧 仅开源项目，无在线服务，需自行部署
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
上线时间2022-11-09 00:00:00
代码更新2025-06-26
仓库体积6.5 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 102

技术标签

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

上一篇：MV-Adapter

下一篇：interactdiffusion

同类项目推荐

LSRNA 开源

让扩散模型低成本生成高清大图，细节不糊

Latent Space Super-Resolution for Higher-Resolution Image Generation with Diffusion ···

★ 50 2026-08-09
ComfyUI-BRIA_AI-RMBG 开源

在 ComfyUI 里一键抠图，直接输出透明底 PNG

Unofficial implementation of BRIA RMBG Model for ComfyUI

★ 828 2026-08-09
sd-webui-stablesr 开源

一键将 SD 图像放大到超高分辨率，细节不糊、纹理更真。

StableSR for Stable Diffusion WebUI - Ultra High-quality Image Upscaler

★ 1086 2026-08-09
T2F 开源

输入文字描述，秒出逼真人脸图像

T2F: text to face generation using Deep Learning

★ 543 2026-08-09
star-vector 开源

上传图片或输入文字，一键生成可编辑的 SVG 矢量图

StarVector is a foundation model for SVG generation that transforms vectorization in···

★ 4639 2026-08-09
fastsdcpu 开源

没显卡也能在 CPU 上快速本地出图

Fast stable diffusion on CPU and AI PC

★ 2211 2026-10-25