image-generation 第 11 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 11 / 13 页）
Generating-Devanagari-Using-DRAW这是一个基于PyTorch实现的DRAW（深度循环注意力写手）模型，专门用于生成天城文（Devanagari）手写字符。DRAW是一种循环神经网络生成模型，通过★ 87
mj-studiomj-studio 是一个多模型 AI 绘图工作台，旨在统一管理并调用 Midjourney、Gemini、Flux、DALL-E、GPT-4o、Grok、通义★ 86
ocr-vqganOCR-VQGAN 是一个面向论文图表（figure images）的离散图像编码器，包含 tokenizer 和 detokenizer，专门用于 Paper★ 86
yoddChatGPTyoddChatGPT 是一款基于 Swift 和 MVVM 架构的 iOS/iPadOS 聊天应用，旨在通过简洁干净的界面快速接入 ChatGPT 服务。它集★ 85
genius-aiGenius 是一个基于 Next.js 14 的现代 SaaS AI 平台，集成了多种 AI 能力，包括对话、代码生成、图片生成、音乐生成等。它采用 Type★ 85
comfy-prompt-studiocomfy-prompt-studio 是一个面向 AI 图像生成的 Web 应用，旨在解决提示词编写效率低和 ComfyUI 工作流管理复杂的问题。它集成了 ★ 85
ai-bashai-bash 是一个用 Bash 编写的命令行 AI 聊天客户端，旨在为终端用户提供简洁、高效的本地或远程 LLM 交互方式。它解决了在终端中直接使用多种 A★ 85
mere-runmere-run 是一个面向 Apple Silicon 设备的本地生成式 AI 工作流引擎，用 Swift 编写，基于 MLX 框架。它解决了在 Mac 上统★ 84
PaperBanana-CNPaperBanana-CN 是一个面向科研人员的科学图表生成与编辑工作台，基于 Gradio 构建，提供中文界面。它解决科研绘图中流程繁琐、工具分散的问题，核★ 84
W-FlowW-Flow 是论文《One-Step Generative Modeling via Wasserstein Gradient Flows》的官方代码实现，旨★ 84
GEM-3DGEM-3D 是一个面向三维医学图像生成的增强工具，发表于 IJCV 2026。它针对医学影像数据稀缺、质量不均的问题，利用扩散模型提升三维图像生成的质量和多样★ 84
CtrlHairCtrlHair 是一个基于生成对抗网络（GAN）的可控发型编辑工具，来自 ECCV 2022 论文。它解决的是人脸图像中发型编辑难以精确控制的问题，允许用户通★ 84
sText2ImagesText2Image 是一个基于属性引导的草图转图像生成项目，旨在解决从简单线条草图生成高质量、符合指定属性（如性别、年龄、表情等）的人脸图像问题。它利用生成★ 84
initnoInitNO 是一个 CVPR 2024 论文的开源实现，旨在通过优化初始噪声来提升文本到图像扩散模型的生成质量。它解决的是扩散模型在采样时因初始噪声随机性导致★ 83
awsome-gpt-image-2-prompts这是一个精选的 GPT Image 2 提示词集合，旨在帮助用户快速上手 OpenAI 最新的图像生成模型。项目收集了多种风格的提示词示例，涵盖写实摄影、3D ★ 83
CycleGAN_ssimCycleGAN_ssim 是一个基于 CycleGAN 的图像生成改进项目，核心目标是解决 CycleGAN 生成图像视觉质量不佳的问题。它通过对比多种相似度★ 83
awesome-stable-diffusion这是一个精选的Stable Diffusion资源列表，旨在整理与Stable Diffusion相关的工具、模型、教程、应用等资源。它解决了Stable Di★ 82
maskbit-pytorchMaskBit 是字节跳动 AI 提出的图像生成模型，本仓库是其 PyTorch 实现。它基于自编码器与二进制量化（binary quantization）技术★ 82
DirectedDiffusionDirected Diffusion 是一个基于 Stable Diffusion 的图像生成控制工具，通过注意力引导机制实现对生成图像中物体位置的精确控制。它★ 82
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
comfy-portalcomfy-portal 是一个基于 React Native 和 Expo 构建的原生 iOS 与 Android 客户端，用于在手机上运行 ComfyUI ★ 81
batch-image-generatorbatch-image-generator 是一个基于 Svelte 构建的开源批量图像生成工具。它解决的是设计人员或运营人员需要根据模板批量产出大量个性化图片★ 81
muapi-comfyuimuapi-comfyui 是 muapi.ai 官方推出的 ComfyUI 自定义节点插件，旨在将 100 多个主流 AI 模型无缝集成到 ComfyUI 工★ 80
h-edith-Edit 是一个基于扩散模型的图像编辑工具，核心创新在于引入 Doob 的 h-变换理论，将编辑过程建模为条件扩散过程，从而在保持图像结构的同时实现灵活、高★ 80
F2GAN-Few-Shot-Image-GenerationF2GAN（Fusing-and-Filling GAN）是一个面向少样本图像生成的生成对抗网络模型，发表于ACM MM 2020。它解决的是在仅有少量样本（如★ 79
Image_Preprocessing_Techniques这是一个图像预处理技术集合库，专注于为图像分类和图像生成任务提供多种预处理方法。项目基于Python和Keras实现，收集了包括归一化、数据增强、滤波、几何变换★ 79
DiGITDiGIT 是一个基于自回归建模的图像生成框架，来自 NeurIPS 2024 论文。它提出通过稳定潜空间来统一图像自回归建模的视角，解决了传统自回归模型在图像★ 78
cpa-imageCPA Image 是一个本地优先的、兼容 OpenAI API 的图像生成与编辑控制台。它主要解决开发者在集成图像生成能力时面临的接口不统一、数据隐私和调试不★ 77
graftinggrafting 是 NeurIPS 2025 Oral 论文的官方代码，研究扩散 Transformer（DiT）的设计空间。它提出一种称为“嫁接”的架构编辑★ 77
genimaGENIMA 是一个基于扩散模型的机器人操作学习框架，核心思路是通过行为克隆（Behavioral Cloning）和模仿学习（Imitation Learni★ 77
ID-PatchID-Patch 是 CVPR 2025 论文的官方实现，专注于群体照片的个性化生成。它解决的是在多人合影中，如何准确地将每个生成的人物与真实身份对应起来的问题★ 77
particle-guidanceParticle Guidance 是一个基于扩散模型的图像生成工具，实现了论文《Particle Guidance: non-I.I.D. Diverse S★ 77
ealainEalain 是一款运行在 macOS 和 Windows 上的屏幕保护程序，它利用 Stable Diffusion 模型实时生成抽象包豪斯风格的艺术图像。该★ 75
NAI-Utility-ToolNAI-Utility-Tool 是一个面向 NovelAI API 的前端工具，基于 C# 和 WinUI3 构建，采用 Fluent Design 风格，提★ 74
perchancePerchance 是一个非官方的 Python API 封装库，用于访问 Perchance 平台的文本和图像生成能力。Perchance 本身是一个在线生成★ 74
AnomalyVFMAnomalyVFM 是一个面向工业视觉异常检测的零样本检测框架，发表于 CVPR 2026。它旨在解决传统异常检测模型依赖大量正常样本训练、泛化能力差的问题，★ 74
GenExamGenExam 是一个面向多学科文生图模型的评测基准，旨在系统评估文本到图像生成模型在跨学科知识理解与视觉呈现上的能力。它通过设计涵盖科学、历史、艺术等领域的考★ 73
Pulse-of-MotionPulse-of-Motion 是一个面向物理感知视频生成的早期开源项目，核心目标是解决生成视频中物体运动不符合物理规律的问题。它通过从视觉动态中测量物理帧率，★ 73
GNGAN-PyTorchGNGAN-PyTorch 是论文《Gradient Normalization for Generative Adversarial Networks》的官方★ 73
NeuralTexGenNeuralTexGen 是一个基于 PyTorch 的图像空间纹理优化工具，用于为 3D 网格生成高质量纹理。它解决的是传统 UV 映射和手工纹理绘制流程繁琐★ 73
nano-banana-skillsnano-banana-skills 是一个围绕 Nano Banana Pro 图像生成模型的技能扩展项目，旨在为开发者提供可复用的图像生成能力模块。它解决了★ 72
BitVAEBitVAE 是一个图像分词器（tokenizer）的官方训练与推理代码库，属于自回归图像生成模型的基础组件。它通过将图像编码为离散的比特级 token，替代传★ 72
llmedgellmedge 是一个面向 Android 的原生 AI 推理库，旨在将大语言模型、图像生成、图像识别、视频处理、语音识别（STT）和语音合成（TTS）等能力集★ 71
DCGAN-TensorflowDCGAN-Tensorflow 是一个基于 TensorFlow 实现的深度卷积生成对抗网络（DCGAN）开源项目，主要用于图像生成任务。它解决了传统 GAN★ 71
bria-skillbria-skill 是一个为 Claude Code 设计的技能插件，用于调用 Bria AI 的图像生成、编辑和转换能力。它集成了 Fibo（高质量图像生成★ 70
computer-vision-challenge这是一个面向所有人的计算机视觉实战项目合集，基于Jupyter Notebook编写，涵盖CNN、图像分类、目标检测等经典算法。项目通过一系列可运行的代码示例和★ 70
TheaterGenTheaterGen 是一个面向多轮图像生成的角色一致性管理框架，利用大语言模型（LLM）来维护角色特征，解决在连续生成图像时角色外观不一致的问题。它通过引入角★ 70
C2GANC2GAN是一个基于生成对抗网络的图像生成工具，专注于关键点引导的图像生成任务。它提出了Cycle In Cycle的结构，通过将关键点（如人脸关键点、姿态关键★ 70
flatflat 是一个正在开发中的一体化图像生成 AI 工具，基于 TypeScript 构建，旨在整合多种图像生成技术（如 Stable Diffusion）到一个★ 70
Image-Text-Papers这是一个精选图像描述与文本生成图像相关论文的列表，旨在为多模态生成领域的研究者提供系统性的文献索引。项目按研究方向分类整理，涵盖图像描述、文本到图像合成、多模态★ 69