VisorGPT

用GPT自动生成空间布局，让ControlNet等模型按你指定的位置生成图像。

VisorGPT 是一个 NeurIPS 2023 论文的开源实现，旨在为条件图像合成模型（如 ControlNet）定制空间布局。它利用 GPT 模型来理解和生成空间布局，从而解决传统条件生成中布局控制不灵活、需要人工设计的问题。核心能力包括：将空间布局视为序列数据，通过 GPT 进行建模和生成；支持与 ControlNet 等主流扩散模型集成，实现更精细的布局控制；提供训练和推理代码，方便研究者复现和扩展。该项目主要面向图像生成领域的研究者和开发者，用于探索基于语言模型的空间布局生成新范式。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 138

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showlab

所属国家

官网地址

GitHubhttps://github.com/showlab/VisorGPT

定价模式free

价格说明开源项目，MIT许可证，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型controlnet,diffusion-models,gpt,image-generation

GitHub 星标★ 138

30天Star增速

HF 下载量

上线时间2023-05-21 00:00:00

最近更新2026-04-17 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

创新性地将GPT用于空间布局生成，与ControlNet等模型无缝集成，提升布局控制灵活性
提供完整训练和推理代码，基于NeurIPS论文，学术价值高，易于复现
支持自定义布局，用户可精确控制生成图像中物体的位置和姿态

不足之处

项目处于早期阶段，文档和社区支持待观察
依赖GPT模型，对计算资源要求较高，可能限制实际应用

适用场景

学术研究：探索语言模型在图像生成布局控制中的应用
创意设计：辅助设计师快速生成符合特定布局的图像素材
自动化内容生成：在广告、游戏等领域自动生成符合布局要求的视觉内容

替代项目

ControlNet、T2I-Adapter、GLIGEN

项目介绍

VisorGPT 是图像领域的开源项目，由 showlab 开发，2023 年首次发布。

它收录于图像分类，该分类目前共有 840 个项目，GitHub 星标数为 138。

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 2026-04-17。MIT许可证，完全免费，需自行部署使用。

它主要面向的使用场景是：学术研究：探索语言模型在图像生成布局控制中的应用。同类可对比的替代方案包括 ControlNet、T2I-Adapter、GLIGEN。

上一篇：lecam-gan

下一篇：unpaint