ConSinGAN 是图像领域的开源项目，由 tohinz 开发，2020 年首次发布。
它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 442。
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 2026-09-11。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：图像编辑与风格迁移。同类可对比的替代方案包括 SinGAN、SinGAN-Seg、GANsNRoses。
ConSinGAN
一张图训练GAN，搞定编辑、协调和动画
ConSinGAN 是单图像生成对抗网络（GAN）的 PyTorch 实现，源自论文《Improved Techniques for Training Single-Image GANs》（WACV-21）。它解决的是传统 GAN 需要大量训练数据的问题，仅用一张图像即可训练生成模型，并实现图像编辑、协调、动画等任务。核心能力包括多尺度渐进式训练策略，能稳定生成高质量图像，支持图像超分辨率、图像协调、图像动画等应用。该项目为研究者和开发者提供了单图像 GAN 的参考实现，便于复现和扩展。
开源
free
图像生成
GitHub 星标
★ 442
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tohinz
所属国家
定价模式free
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
是否开源是
开源协议MIT
主要语言Python
技术栈/模型consingan,gan,harmonization,image,image-animation,image-editing,image-generation,single-image-generation
GitHub 星标★ 442
30天Star增速
HF 下载量
上线时间2020-03-18 00:00:00
最近更新2026-09-11 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
- 仅需单张图像即可训练，大幅降低数据门槛
- 多尺度训练策略，生成图像质量高且稳定
- 支持图像协调、动画、超分辨率等多种任务
不足之处
- 训练时间较长，对计算资源有一定要求
- 文档/社区待观察
适用场景
- 图像编辑与风格迁移
- 图像协调（如合成图像光照匹配）
- 图像动画（如静态图生成动态效果）
替代项目
SinGAN、SinGAN-Seg、GANsNRoses
项目介绍
上一篇：inpainting_gmcnn
同类项目推荐
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···