ImagenHub

统一调用和评估所有条件图像生成模型，省心对比

ImagenHub 是一个一站式条件图像生成模型推理与评估库，旨在标准化各类条件图像生成模型的调用和评测流程。它解决了当前图像生成领域模型众多、接口不一、评估指标混乱的问题，为研究者提供了统一的推理接口和标准化的评估协议。核心能力包括：支持文本到图像、图像编辑、图像修复等多种条件生成任务；内置多种主流模型（如 Stable Diffusion 系列）的封装；提供统一的评估指标计算（如 FID、CLIP Score 等）和人工评估流程。该项目发表于 ICLR 2024，适合用于学术研究中的模型对比和复现。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 180

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TIGER-AI-Lab

所属国家

官网地址https://tiger-ai-lab.github.io/ImagenHub

GitHubhttps://github.com/TIGER-AI-Lab/ImagenHub

定价模式free

价格说明开源库，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型deep-learning,diffusion-models,generative-ai,generative-art,image-editing,image-generation,pytorch,stable-diffusion

GitHub 星标★ 180

30天Star增速

HF 下载量

上线时间2023-09-30 00:00:00

最近更新2026-09-07 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

提供统一的模型推理接口，降低多模型集成成本
内置标准化评估指标和协议，便于公平对比
覆盖多种条件生成任务，如文生图、编辑、修复

不足之处

文档/社区待观察
项目早期，星标较少，生态尚未成熟

适用场景

学术研究中对比不同图像生成模型的性能
快速集成多个生成模型进行原型验证
标准化评估流程，用于论文实验复现

替代项目

Diffusers、ComfyUI、InvokeAI

项目介绍

ImagenHub 是图像领域的开源项目，由 TIGER-AI-Lab 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 180。

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 2026-09-07。开源库，MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：学术研究中对比不同图像生成模型的性能。同类可对比的替代方案包括 Diffusers、ComfyUI、InvokeAI。

上一篇：OmniGen

下一篇：onnx-web