项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 486
使用教程
环境要求
- CUDA 显卡
- Python 3.9+
- 模型凭据
安装与启动步骤
-
1装依赖
按清单装。
pip install -r requirements.txt -
2配模型凭据
它要调用语言模型做提示改写。
-
3生成提示
先跑演示类型的批量提示生成。
python prompt_batch.py --prompt-type demo --model gpt-4 --auto-query --always-save --template_version v0.1 -
4跑评测
按官方脚本评第一阶段。
python scripts/eval_stage_one.py --prompt-type lmd --model gpt-3.5 --template_version v0.1 -
5对照布局准确度
重点看物体位置是否落在指定框内。
如何确认成功
给定一组带布局框的描述，生成图里各物体的实际位置与指定框的重合度明显高于无布局基线
注意事项
- 它用语言模型把布局描述转成扩散模型能用的提示，从而控制物体位置。
- 分两阶段：先出提示，再评布局准确度。
- 布局控制的评价看实际位置与目标框的重合，不看整体观感。
- 依赖语言模型接口，跑批量会产生费用。
核心亮点
- 通过LLM分解复杂提示为对象布局，显著提升属性绑定和空间关系准确性
- 已集成到Stable Diffusion WebUI，安装即用，降低使用门槛
- 提供完整训练代码和预训练模型，支持自定义扩展
不足之处
- 依赖额外LLM推理，增加生成延迟和计算开销
- 文档和社区支持相对有限，早期项目示例较少
适用场景
- 需要精确控制图像中物体位置和属性的创意设计
- 生成符合复杂场景描述（如'红球在蓝方块左边'）的示意图
- 作为Stable Diffusion WebUI插件提升提示词理解能力
替代项目
ControlNet、GLIGEN、LayoutGPT
同类项目推荐
Stable-Diffusion-Desktop-Client
开源
用 Delphi 打造的跨平台 AI 绘图桌面工具，开箱即用
Stable Diffusion Desktop client for Windows, macOS, and Linux built in Embarcadero D···
glitch-art
开源
写几行 SCSS，一键生成赛博朋克故障艺术图
gradient glitch art generator
piggyback-color
开源
用文本提示给黑白照片智能上色，效果自然可控
Improved Diffusion-based Image Colorization via Piggybacked Models
pixelgpt-24x24
开源
本地30分钟训练，一句话生成24x24像素画
Tiny local text-to-24x24 pixel art model, trained on roughly 200K samples in 30 minu···
comfyui-lumi-batcher
开源
一次批量跑多组参数，工作流调试效率翻倍
ComfyUI Lumi Batcher is a batch processing extension plugin designed for ComfyUI, ai···
ControlVAR
开源
用自回归扩散模型，精准控制图像生成细节
This is the official implementation for ControlVAR.
dynamicprompts
开源
用模板批量生成多样化提示词，告别手写重复
Templating language for generating prompts for text to image generators such as Stab···
image-generator-using-openai-api
开源
输入描述，秒出 AI 图片，零门槛体验 DALL-E。
This is a simple image generator using OpenAI API. you can generate images by enteri···
ComfyUI-Moss-Image-Edit
开源
在ComfyUI里用文字加参考图直接改图
Edit images in ComfyUI with text instructions and up to four reference images.