stable-diffusion-regularization-images

下载即用，Stable Diffusion微调的正则化图像包

这是一个为Stable Diffusion模型训练提供正则化图像数据集的资源库。在DreamBooth或Textual Inversion等微调方法中，正则化图像（又称类别图像）用于防止模型过拟合，保持模型对特定类别的基础认知。该项目针对Stable Diffusion 1.5、2.1和SDXL 1.0三个主流检查点，分别提供了512px、768px和1024px分辨率的预生成正则化图像。它解决了用户自行生成正则化图像耗时耗力、且质量参差不齐的问题，直接提供现成的、按模型和分辨率分类的图像集，用户可直接下载用于训练，简化了DreamBooth等微调流程，提升了训练效率和稳定性。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 161
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tobecwb
所属国家
官网地址
GitHubhttps://github.com/tobecwb/stable-diffusion-regularization-images
定价模式free
价格说明开源数据集，完全免费，可自行下载使用。
访问状态
是否开源是
开源协议
主要语言
技术栈/模型deep-learning,dreambooth,model-training,stable-diffusion,textual-inversion
GitHub 星标★ 161
30天Star增速
HF 下载量
上线时间2022-12-09 00:00:00
最近更新2026-09-23 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

  • 覆盖1.5、2.1、SDXL 1.0主流模型，适配不同训练需求
  • 提供512/768/1024三档分辨率，匹配不同输出尺寸
  • 免去自行生成正则化图像的步骤，节省训练准备时间

不足之处

  • 图像集为固定生成，可能不完全匹配特定训练主题的分布
  • 文档/社区待观察

适用场景

  • DreamBooth微调模型时防止类别遗忘
  • Textual Inversion训练新词嵌入时稳定基础概念
  • 需要批量正则化图像的Stable Diffusion模型训练项目

替代项目

sd-scripts、kohya_ss、EveryDream2

项目介绍

stable-diffusion-regularization-images 是数据集领域的开源项目，由 tobecwb 开发，2022 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 161。

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 2026-09-23。开源数据集，完全免费，可自行下载使用。

它主要面向的使用场景是：DreamBooth微调模型时防止类别遗忘。同类可对比的替代方案包括 sd-scripts、kohya_ss、EveryDream2。

上一篇：lora-dataset-studio

下一篇：Gen4Gen

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09