image-generation 第 10 页
本站收录 613 个带「image-generation」标签的 AI 开源项目（按 GitHub 星标从高到低，第 10 / 13 页）
paper-signalpaper-signal 是一个面向 Agent Skills 的图像生成工具，专注于制作主题感知的极简风格小册子（minimal-zine）。它解决的是 AI★ 109
Awesome-AIGC-Research-Groups这是一个收录AIGC（人工智能生成内容）研究团队的精选列表，旨在帮助研究者、学生和从业者快速找到全球顶尖的AIGC实验室和团队。项目解决了AIGC领域信息分散、★ 108
Faces2AnimeFaces2Anime 是一个基于生成对抗网络（GAN）的人脸卡通化风格迁移开源项目，源自 2021 年台湾科技大学硕士论文。它旨在将真实人脸照片转换为动漫风格★ 108
ComfyUI-Agent-KitComfyUI-Agent-Kit 是一个让 AI 编程智能体（如 Claude Code、Codex、Gemini CLI、Qwen Code）直接驱动本地 ★ 107
ai-image-prompt-cookbook这是一个中文AI图片提示词库，专门为电商和内容创作者设计。它解决了生成高质量、符合商业场景的AI图片时提示词难写、效果不稳定的问题。项目按场景分类，覆盖女装、童★ 107
pdf-extractorpdf-extractor 是一个基于 Node.js 的 PDF 解析与渲染工具，它利用 PDF.js 引擎将 PDF 页面转换为多种格式，包括图片（PNG/★ 107
Awesome-Multimodal-Reasoning这是一个精选多模态推理与生成前沿资源的列表，聚焦于基于强化学习（RL）的多模态大语言模型（MLLM）技术。项目系统梳理了图像理解、图像推理、图像生成等方向的最新★ 106
lpdlpd 是一个面向自回归图像生成的高效并行解码算法，由 ICLR 2026 Oral 论文提出。它针对自回归图像生成中逐 token 串行解码速度慢的问题，利用★ 106
semantic-object-accuracy-for-generative-text-to-image-synthesis这是一个用于生成式文本到图像合成任务的语义对象准确率评估工具，对应TPAMI 2020论文。它解决的是传统评估指标（如IS、FID）无法有效衡量生成图像中语义对★ 106
free-llm-api-hubfree-llm-api-hub 是一个持续校验的免费及试用额度 LLM API 数据集，面向需要低成本调用大模型的开发者。它解决的核心问题是：网上免费 API★ 105
ComfyUI-Forbidden-VisionComfyUI-Forbidden-Vision 是一个为 ComfyUI 设计的图像处理插件，专注于人脸检测、分割与增强。它通过自定义训练的模型，解决了在动漫★ 104
oil-visualoil-visual 是一个为 Codex 智能体设计的漫画墨绘风格图像生成技能包，旨在通过清晰的视觉解释来辅助技术内容的表达。它解决了 AI 生成图表或说明图★ 103
design-image-studiodesign-image-studio 是一个基于 Python 的图像生成工具，旨在将模糊的视觉需求直接转化为可落地的、高质量的设计图。它利用火山引擎的 Se★ 103
cheat-sheets这是一个编程速查表（Cheat Sheets）的集合仓库，旨在为开发者提供各类编程语言、框架、游戏开发、Web开发以及AI领域的快速参考。项目以CSS为主要语言★ 102
StyleNATStyleNAT 是一个基于 Neighborhood Attention（邻域注意力）机制的图像生成框架，属于 GAN 家族。它解决了传统 GAN 在生成高分★ 102
partcraftPartCraft是一个基于扩散模型的细粒度图像生成项目，来自ECCV 2024。它解决的是传统文本生成图像模型难以精确控制物体局部部件的问题，允许用户通过指定★ 102
Scaling-Diffusion-Transformers-muPScaling-Diffusion-Transformers-muP 是 NeurIPS 2025 论文的官方实现，旨在解决扩散 Transformer（DiT★ 101
himghimg 是一个将 HTML 转换为图片的 Ruby 渲染器，专为动态生成 OpenGraph 社交预览图而设计。它解决了开发者手动为每个网页制作社交分享缩略图★ 101
MegaFusionMegaFusion 是一个面向扩散模型的高分辨率图像生成扩展工具，核心价值在于无需对预训练模型进行任何微调或额外训练，即可将原本只能生成低分辨率图像的扩散模型★ 101
Interleaving-Reasoning-GenerationInterleaving-Reasoning-Generation 是一个面向文本到图像生成领域的早期探索项目，旨在将交错推理（Interleaving Rea★ 100
invertible-cdInvertible Consistency Distillation（ICD）是一个面向文本引导图像编辑的扩散模型加速蒸馏框架，发表于NeurIPS 2024★ 100
vqgan-clip-appvqgan-clip-app 是一个基于 Python 的本地图像生成工具，利用 VQGAN-CLIP 或 CLIP 引导扩散模型，将文本描述转化为图像。它解决★ 100
openrouter-mcp-multimodal这是一个基于 Model Context Protocol (MCP) 的服务器，用于连接 OpenRouter 平台，让 Claude Desktop、Cur★ 99
Phil-design-skills为 gpt-image-2 编写的 19 套可视化风格 Skills，可把文章、主题、产品或既有视觉资产编译成完整、可直接使用的生图提示词，无需复杂操作即可让 ★ 98
MeanFlowNFTMeanFlowNFT 是一个基于 PyTorch 的图像生成开源项目，对应 arXiv 2026 论文，核心思想是将前向过程强化学习引入平均速度生成器。它针对★ 98
StereoDiffusionStereoDiffusion 是一个基于 Stable Diffusion 的立体图像生成工具，通过扩散模型直接生成具有双目视差的立体图像对，无需复杂的后期处★ 98
Dual-task-Pose-Transformer-NetworkDual-task-Pose-Transformer-Network 是一个用于姿态引导的人物图像生成模型，发表于 CVPR 2022。它解决的核心问题是：在给★ 98
metaai-apimetaai-api 是一个基于 FastAPI 的逆向工程封装项目，旨在为 Meta AI（原 Llama 系列）提供非官方的 API 接口。它通过 Cook★ 97
image-studioimage-studio 是一个基于 TypeScript 的 AI 视觉创作套件，将图解、绘画、编辑和视频生成能力整合到一个统一界面中。它解决的是创作者需要在★ 96
ComfyUI-RookieUIComfyUI-RookieUI 是一个为 ComfyUI 打造的侧边栏扩展，旨在将 A1111 Stable Diffusion WebUI 的经典用户界面和★ 96
Ultimate-AI-Media-Generator-Skill这是一个面向AI编程助手的图像与视频生成技能包，支持Codex、Claude Code、OpenClaw、Cursor等主流工具。它通过CyberBara AP★ 96
MATEBITMATEBIT 是一个基于 CVPR 2023 论文的示例引导图像翻译开源项目，核心解决给定参考图像（示例）时，如何将源图像内容迁移到目标风格或外观的问题。它采★ 96
skillsskills 是 Cali Castle 维护的一套 Agent Skills 集合，专注于图像生成与设计工具领域。它解决的是 AI 代理（Agent）在图像创★ 95
UCDIRUCDIR 是一个基于扩散模型的统一条件框架，用于图像恢复任务。它旨在解决传统图像恢复方法针对不同退化类型（如去噪、去模糊、超分辨率等）需要单独训练模型的问题，★ 95
JARVIS-MARK5JARVIS-MARK5 是一个以 Python 编写的个人 AI 助手项目，旨在为每个人提供类似钢铁侠中 JARVIS 的智能助理体验。它集成了图像生成、图像★ 95
gpt-image-2-mcp这是一个基于 Model Context Protocol (MCP) 的本地服务器，用于将 ChatGPT 的图像生成能力（gpt-image-2）集成到支持★ 94
TextAtlasTextAtlas 是一个用于训练和评估模型密集文本图像生成能力的大规模数据集，由 ICML 2026 论文提出。它解决了当前文本到图像模型在生成包含密集、复杂★ 94
maskbitMaskBit 是论文《MaskBit: Embedding-free Image Generation from Bit Tokens》的官方实现，专注于图像★ 94
dalle3-playground这是一个非官方的 DALL·E 3 在线游乐场，基于 TypeScript 开发，用于快速体验 OpenAI 图像生成 API。它解决了开发者或普通用户需要编写★ 94
finetuning-notebooksfinetuning-notebooks 是一个专注于图像与视频生成模型微调的开源教程集合，以 Jupyter Notebook 形式呈现。它解决的是 AI 创★ 94
Internal-GuidanceInternal-Guidance（IG）是CVPR 2026 Highlight论文的官方开源实现，提出一种无需额外训练或外部条件即可引导扩散Transfor★ 92
Vec2FaceVec2Face 是 ICLR 2025 收录的官方实现，旨在解决人脸数据集生成中的规模与多样性瓶颈。传统方法依赖精确条件控制（如文本、属性标签），而 Vec2★ 92
CWRCWR 是一个基于对比学习的水下图像复原开源项目，对应 IGARSS 2021 口头报告论文。它解决水下图像因光吸收和散射导致的颜色失真、对比度低、细节模糊等问★ 92
denoising_diffusion这是一个非官方的PyTorch实现，复现了论文《Denoising Diffusion Probabilistic Models》（DDPM）中的去噪扩散概率模★ 91
AudioTokenAudioToken 是一个基于扩散模型的音频到图像生成工具，源自 InterSpeech 2023 论文。它解决了仅凭文本描述难以准确捕捉音频中情感、节奏等抽★ 90
claude-imageclaude-image 是一个面向 Claude Code 和 Codex 等 AI 编程助手的 skill 包，旨在教会这些智能体真正高效地使用 OpenA★ 88
AODAAODA是论文《Adversarial Open Domain Adaptation for Sketch-to-Photo Synthesis》的官方实现，发★ 88
awesome-ai-image-models这是一个AI图像生成模型的对比清单，旨在提供最完整、最新的模型比较，涵盖模型、API接口和价格信息。它解决了开发者在选择图像生成模型时信息分散、难以横向对比的问★ 87
Skill2PosterSkill2Poster 是一个基于 Codex Skills 的学术海报生成工具，能将论文内容自动转化为精确的 A0 尺寸 HTML/PDF 海报。它通过 A★ 87
Flux.1-Architecture-Diagram这是一个用 TeX 绘制的 Flux.1 [dev] 模型架构详解图，由社区开发者根据 Black Forest Labs 官方公开信息整理而成。它把 Flux★ 87