digan 是视频领域的开源项目，由 sihyun-yu 开发，2022 年首次发布。
它收录于视频分类，该分类目前共有 472 个项目，GitHub 星标数为 186。
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 2026-05-24。代码公开，可自行部署使用，无付费版本。
它主要面向的使用场景是：学术研究：用于视频生成、隐式表示、GAN的对比实验和理论探索。同类可对比的替代方案包括 VideoGPT、MoCoGAN、DVD-GAN。
digan
用隐式表示生成任意长度视频，动态更真实
DIGAN 是一个基于隐式生成对抗网络的视频生成模型，由新加坡国立大学等机构提出，发表于 ICLR 2022。它针对传统视频生成方法难以捕捉复杂时空动态、生成视频长度受限且计算开销大的问题，引入隐式神经表示（INR）来解耦视频中的空间和时间信息。其核心思想是将视频视为连续时空坐标到像素值的映射，通过一个隐式生成器在任意时间步和空间位置采样，从而生成任意长度、任意分辨率的视频，同时保持动态一致性。DIGAN 在多个基准数据集（如MMNIST、UCF101）上展示了优于同期GAN方法的视频质量和动态真实感，并支持无条件生成和条件生成。该项目提供了完整的PyTorch训练和评估代码，适合研究视频生成、隐式表示与GAN结合的开发者使用。
开源
free
视频生成
GitHub 星标
★ 186
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队sihyun-yu
所属国家
定价模式free
价格说明开源项目，代码公开，可自行部署使用，无付费版本。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型gan,implicit-neural-representation,inr,video-generation
GitHub 星标★ 186
30天Star增速
HF 下载量
上线时间2022-02-17 00:00:00
最近更新2026-05-24 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5
使用教程
核心亮点
- 创新性地将隐式神经表示引入视频GAN，支持生成任意长度和分辨率的视频，突破传统固定帧数限制
- 在MMNIST、UCF101等基准上取得优于同期方法的FVD分数，动态连贯性明显提升
- 代码结构清晰，基于PyTorch实现，附带预训练模型和训练脚本，易于复现和二次开发
不足之处
- 训练计算资源需求较高，对显存和算力要求苛刻，普通设备难以运行
- 文档和社区支持相对薄弱，除论文外缺乏详细使用教程，上手门槛较高
适用场景
- 学术研究：用于视频生成、隐式表示、GAN的对比实验和理论探索
- 创意内容生成：生成无限循环的动态纹理或背景视频，用于艺术设计或虚拟场景
- 数据增强：为视频理解任务生成多样化的训练样本，提升模型泛化能力
替代项目
VideoGPT、MoCoGAN、DVD-GAN
项目介绍
上一篇：stylegan-v
下一篇：deep-landscape
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
auto-subs
开源
在剪辑软件里直接生成字幕，省去导出导入的麻烦
On-device subtitle generation that connects directly to DaVinci Resolve, Premiere, a···