image-generation 第 2 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 2 / 13 页）
locally-uncensoredLocally Uncensored 是一个即插即用的本地 AI 工作室，旨在解决云端 AI 的隐私泄露和内容审查问题。它集成了无审查的聊天、图像生成、视频生成★ 2,422
ComfyUI-to-Python-ExtensionComfyUI-to-Python-Extension 是一个将 ComfyUI 工作流自动转换为可执行 Python 代码的扩展工具。它解决了 ComfyUI★ 2,391
Anime2SketchAnime2Sketch 是一个专门从动漫/插画图像中提取线稿的开源工具。它基于生成对抗网络（GAN）和深度学习技术，能够自动将彩色动漫图片转换为干净、清晰的线★ 2,137
mlx-servemlx-serve 是一个专为 Apple Silicon 设计的原生 LLM 推理服务器，使用 Zig 语言编写，无需 Python 环境。它兼容 OpenA★ 2,004
LlamaGenLlamaGen 是一个基于自回归模型的可扩展图像生成项目，其核心主张是自回归模型在图像生成任务上可以超越扩散模型。它借鉴了大型语言模型（LLM）的成功经验，将★ 1,972
DreamOmni2DreamOmni2 是一个基于多模态指令的图像编辑与生成统一模型，来自 CVPR2026 Highlight 论文的官方实现。它解决的是传统图像编辑工具难以理★ 1,968
nano-banana-pro-prompts-recommend-skill这是一个为 OpenClaw 和 Claude Code 等 AI 代理设计的技能包，内置超过 10000 条 Nano Banana Pro（Gemini）图★ 1,886
VideoClawVideoClaw 是一个基于多智能体系统的 AI 视频生成工具，旨在将用户的一句话创意自动转化为完整影片。它解决了传统视频制作流程繁琐、门槛高的问题，通过集成★ 1,870
ganspaceganspace 是一个用于发现 GAN 模型中可解释控制方向的开源工具，源自 NeurIPS 2020 论文。它解决了生成对抗网络（GAN）内部潜在空间难以理★ 1,795
awesome-segment-anything这是一个精选资源列表，系统整理了与 Segment Anything 模型（SAM）相关的论文、项目和工具。它解决了 AI 社区中 SAM 生态信息分散、难以追★ 1,699
opendreamopendream 是一个可扩展、易用且便携的扩散模型 Web UI，旨在简化 Stable Diffusion 等图像生成模型的使用流程。它解决了传统 Web★ 1,670
ru-dalleru-dalle 是一个基于俄语的文本生成图像项目，旨在让俄语用户能够使用自然语言描述生成高质量的图像。它解决了 OpenAI DALL-E 模型主要支持英语、★ 1,642
MiniMax-MCPMiniMax-MCP 是 MiniMax 官方推出的 Model Context Protocol (MCP) 服务器，旨在将 MiniMax 的多模态生成能★ 1,593
InfinityInfinity 是一个基于自回归建模的高分辨率图像生成框架，核心创新在于将图像 token 化为 bitwise 形式，并通过大规模 bitwise 自回归建★ 1,592
Uncensored-Local-StudioUncensored-Local-Studio 是一个面向 Windows、Linux 和 macOS 的本地 AI 工作室，提供零配置的图形界面，集成了图像生★ 1,546
Portable-Local-StudioPortable-Local-Studio 是一个面向 Windows、Linux 和 macOS 的便携式本地 AI 工作台，目标是把图像生成、GGUF 格式★ 1,545
ian-handdrawn-pptian-handdrawn-ppt 是一个专为中文技术场景设计的手绘风格 PPT 整页图像生成 Skill，基于 AI Agent 技术，可自动生成 21:9 ★ 1,479
diffusiondbDiffusionDB 是一个大规模文本到图像提示词画廊数据集，基于 Stable Diffusion 构建。它收集了数百万条真实的用户生成提示词及对应的生成图★ 1,405
WebAI2APIWebAI2API 是一个基于 Camoufox 浏览器自动化框架的开源工具，旨在将网页版 AI 服务（如 LMArena、Gemini 等）封装成标准的 Op★ 1,398
generative-ai-use-casesgenerative-ai-use-cases 是一个基于 AWS 和 Amazon Bedrock 的生成式 AI 应用实现集合，旨在帮助企业安全地将生成式 ★ 1,391
FireRed-Image-EditFireRed-Image-Edit 是一个开源的图像编辑基础模型，旨在解决现有图像编辑工具在指令遵循、生成保真度和身份一致性上的不足。它基于扩散模型架构，支持★ 1,379
UNOUNO 是一个基于扩散 Transformer 的图像生成定制化方法，由清华大学提出，论文发表于 ICCV 2025。它解决的是当前定制化生成模型只能处理单主体★ 1,363
LanceLance 是一个仅 3B 激活参数的原生统一多模态模型，专攻图像与视频的理解、生成和编辑。它解决了传统多模态模型需要庞大参数、且各任务分离的问题，通过单一模型★ 1,358
gansformerGansformer 是一个将 Transformer 架构引入生成对抗网络（GAN）的图像生成模型，旨在解决传统 CNN 生成器在捕捉全局结构和多物体场景组合★ 1,344
stable-diffusion-prompt-reader这是一个独立的桌面工具，用于读取 Stable Diffusion 生成图片中嵌入的提示词（prompt）及相关参数，无需启动 WebUI。它基于 Python★ 1,343
BerniniBernini 是一个统一的视频生成与编辑框架，将基于多模态大语言模型（MLLM）的语义规划器与基于扩散Transformer（DiT）的渲染器相结合。它解决的★ 1,339
PyTorch-CycleGAN这是一个基于PyTorch的CycleGAN清洁可读实现，用于无配对图像到图像的转换。它解决了传统GAN需要成对训练数据的问题，通过循环一致性损失实现两个域之间★ 1,320
airunnerAirunner 是一个面向桌面端的离线 AI 推理引擎，集成了图像生成、实时语音对话、LLM 聊天机器人和自动化工作流。它解决的是用户对 AI 工具隐私和本地★ 1,318
data-efficient-gansdata-efficient-gans 是 NeurIPS 2020 论文《Differentiable Augmentation for Data-Effic★ 1,310
MV-AdapterMV-Adapter 是 ICCV 2025 的官方实现，旨在简化多视角一致图像生成任务。它解决了从单张图片或文本生成多个视角一致图像时，现有方法需要复杂训练或★ 1,296
sd-webui-inpaint-anythingsd-webui-inpaint-anything 是一个基于 Stable Diffusion WebUI 的扩展，它将 Segment Anything 的★ 1,296
Paint-by-ExamplePaint-by-Example 是一个基于扩散模型的图像编辑工具，通过给定示例图像，实现对输入图像的语义编辑，如替换物体、改变风格等。它解决了传统图像编辑需要★ 1,253
KnpSnappyBundleKnpSnappyBundle 是一个 Symfony 框架的集成包，用于在 PHP 项目中轻松生成 PDF 和图片。它封装了 KnpSnappy 库，后者基于★ 1,245
awesome-image-translation这是一个精选资源列表，汇集了图像到图像翻译（image-to-image translation）领域的优秀论文、代码和工具。图像翻译旨在将输入图像转换为目标风★ 1,243
chatGPT-shell-clichatGPT-shell-cli 是一个用纯 Shell 脚本编写的命令行工具，让你无需安装 Python 或 JavaScript 环境，就能在终端中直接调★ 1,240
guizang-material-illustration归藏的材质插画是一个面向中文用户的图像生成技能包，专为Claude Code和Codex等AI代理设计。它解决了AI生成图片时缺乏中文语境理解、难以生成带文字解★ 1,216
cleanvisionCleanVision 是一个用于图像数据集质量检测的开源 Python 库，旨在自动发现图像数据中的各类问题，帮助数据科学家和机器学习工程师实践以数据为中心的★ 1,212
SDEditSDEdit 是一个基于 PyTorch 的图像生成与编辑工具，核心思想是利用随机微分方程（SDE）在图像生成和编辑过程中引入可控的随机性。它解决了传统图像编辑★ 1,172
clean-fidclean-fid 是一个用于计算 FID（Frechet Inception Distance）分数的 PyTorch 工具库，由 CVPR 2022 论文提★ 1,171
VITON-HDVITON-HD 是一个基于 PyTorch 的高分辨率虚拟试穿（Virtual Try-On）开源项目，来自 CVPR 2021 论文。它主要解决电商和时尚领★ 1,170
MagicDriveMagicDrive是ICLR 2024收录的论文官方实现，专注于自动驾驶场景的街景图像生成。它通过扩散模型结合3D几何控制，解决自动驾驶数据稀缺和多样性不足的★ 1,165
image-extenderimage-extender 是一个开源的 AI 图像扩展（Outpainting）Web 应用，能无缝地将任意图片向任意方向扩展。它通过 OpenRouter★ 1,117
CogView4CogView4 是智谱AI开源的多模态图像生成模型系列，包含 CogView4、CogView3-Plus 和 CogView3（ECCV 2024）三个版本★ 1,098
MultiDiffusionMultiDiffusion 是 ICML 2023 论文的官方 PyTorch 实现，提出了一种无需额外训练即可实现可控图像生成的新方法。它通过将多个扩散生成★ 1,071
awesome-agent-apis这是一个精选的AI代理API与工具目录，聚合了660多个由muapi托管的生成式媒体模型，以及社区提交的第三方API工具，覆盖SEO、数据丰富、社交媒体、网络爬★ 1,057
image-multiple-angles-3d-camera这是一个基于 Three.js 和 Gradio 构建的 3D 交互式图像生成工具，允许用户通过拖拽 3D 空间中的相机或调整滑块（方位角、仰角、距离）来自由控★ 1,012
Awesome-CV-MasterHubAwesome-CV-MasterHub 是一个计算机视觉领域的论文精选列表，汇总了图像生成、分类、描述、去雾、去噪、增强、融合等多个方向的最新研究成果。它解决★ 982
MixNMatchMixNMatch 是一个基于 PyTorch 的图像生成与编辑工具，专注于解耦表示学习。它能够将图像分解为背景、形状、外观和姿态四个独立因子，并支持用户通过任★ 964
story-iterstory-iter 是一个面向长故事可视化的训练免框架，发表于 ICLR 2026。它解决了现有故事可视化方法在生成长序列图像时角色一致性差、情节连贯性弱的问★ 958
codex-slidescodex-slides 是一个开源的 AI 幻灯片创作工具，深度集成在 Codex 编码代理环境中，将幻灯片制作视为一个可视化的画布，每张幻灯片都是完整的视觉★ 950