image-generation 第 4 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 4 / 13 页）
semantic-drawSemanticDraw 是 CVPR 2025 论文的官方实现，旨在解决图像扩散模型在交互式内容创作中实时性不足的问题。传统扩散模型生成图像需要多次迭代采样，★ 587
Awesome-GPT4o-Image-Prompts这是一个精选的GPT4o图像生成提示词合集，以字典形式整理了大量高质量的AI图像生成提示词。项目旨在解决用户在使用GPT4o等AI图像生成工具时，缺乏灵感、提示★ 587
One-DMOne-DM 是一个基于扩散模型的手写文本生成工具，对应 ECCV 2024 论文《One-Shot Diffusion Mimicker for Handwr★ 574
FontDiffuserFontDiffuser 是一个基于扩散模型的一次性字体生成开源项目，发表于 AAAI 2024。它解决的是少样本场景下的字体风格迁移问题，即仅凭一个参考字符，★ 574
payload-ai为 Payload CMS 打造的强大 AI 插件，将先进的人工智能能力深度集成到内容创作与管理流程中。支持智能内容生成、优化与增强，帮助内容团队大幅提升生产效★ 558
Bonsai-Image-DemoBonsai-Image-Demo 是一个在本地设备上运行的小型图像生成模型演示项目，核心思路是用极简的 1-bit（二值化）和 ternary（三值化）权重来★ 558
genblazeGenblaze 是一个开源 Python SDK，用于编排跨视频、音频和图像提供商的生成式 AI 媒体管道，并为每个输出内置来源追踪。它解决了在多个 AI 服★ 549
ComfyUI-TiledDiffusionComfyUI-TiledDiffusion 是一个为 ComfyUI 设计的插件，主要用于解决 Stable Diffusion 生成大尺寸图像时显存不足和细★ 543
StyleSwinStyleSwin 是一个基于 Transformer 的高分辨率图像生成模型，发表于 CVPR 2022。它针对传统 GAN 在生成高分辨率图像时依赖卷积结构★ 543
ian-xiaohei-scenes这是一个为 Codex 智能体设计的技能包，专门用于生成中文真实物体配图和长滚动故事图片。它解决了 AI 生成图片时对中文语境理解不足、物体形象不真实、长图叙事★ 537
storytellerstoryteller 是一个多模态 AI 故事生成器，结合 Stable Diffusion、GPT 和神经文本转语音技术，将文字故事自动转化为图文并茂、带语★ 535
UniTokUniTok 是一个面向视觉生成与理解任务的统一分词器，由 NeurIPS 2025 Spotlight 论文提出。它解决了传统视觉分词器在生成任务（如自回归图★ 535
ICASSP-2023-24-Papers这是一个汇集ICASSP 2023和2024会议论文的仓库，旨在为声学、语音和信号处理领域的研究者提供一站式的论文集合。项目解决了学术会议论文分散、难以系统追踪★ 525
awesome-aiart-pics-prompts这是一个精选的 AI 图像生成提示词集合，收录了超过 3000 条针对 Gemini Nano Banana Pro 模型的高质量提示词及对应的生成案例。项目旨★ 521
guizang-yingzao-skillguizang-yingzao-skill 是一个面向 Claude Code 和 Codex 的 AI Agent 技能包，专门把中国古建筑、在地文化场所和旅★ 508
KG-MM-SurveyKG-MM-Survey 是一份关于知识图谱与多模态学习交叉领域的系统性综述列表。它整理了知识图谱如何与图像、文本等多模态数据结合的研究工作，覆盖跨模态检索、实★ 507
AmazingZImageWorkflowAmazingZImageWorkflow 是一个为 ComfyUI 设计的 Z-Image 工作流项目，旨在提供高质量图像生成和友好的用户体验。它解决了 Z-★ 507
PITIPITI是一个基于预训练的图像到图像翻译框架，核心思想是“预训练即一切”，旨在解决传统图像翻译模型需要大量配对数据、训练成本高且泛化能力弱的问题。它利用大规模预★ 504
ReVersionReVersion 是 SIGGRAPH Asia 2024 的官方实现，专注于从少量图像中反转（invert）物体间的关系，并用于图像生成。它解决了文本到图像★ 502
PIDMPIDM 是一个基于扩散模型的人物图像合成项目，发表于 CVPR 2023。它解决的是在给定人物参考图像和目标姿态的条件下，生成逼真、细节丰富的人物图像的问题。★ 501
BlendGANBlendGAN 是一个基于 PyTorch 的官方实现，来自 NeurIPS 2021 论文。它解决的是人脸风格化生成中风格控制不灵活的问题，核心创新在于提出★ 498
dream-factorydream-factory 是一个面向大规模 AI 艺术生成的多线程 GUI 管理器，支持多 GPU 并行处理。它主要解决 Stable Diffusion 等★ 494
LLM-groundedDiffusionLLM-grounded Diffusion（LMD）是一个增强文本到图像扩散模型提示理解能力的开源项目，发表于TMLR 2024。它针对Stable Diff★ 486
chatgpt-proChatGPT-Pro 是一个将 ChatGPT 与 DALL·E 图像生成能力整合于一体的高级应用，旨在提供一个统一的对话与图像创作平台。它解决了用户需要在多★ 480
LakonLabLakonLab 是一个专注于图像生成的开源项目，官方实现了 AsymFlow、pi-Flow 和 GMFlow 三种流匹配（Flow Matching）模型。★ 477
gerbilgerbil 是一款基于 Electron 的桌面应用，旨在让用户在本机轻松运行大型语言模型（LLM）和图像生成模型。它解决了本地部署 AI 模型时配置复杂、依★ 476
comfyui_HiDream-Samplercomfyui_HiDream-Sampler 是一个为 ComfyUI 开发的 HiDream 模型自定义节点插件，旨在将 HiDream 图像生成模型无缝集★ 476
FreezeGFreezeG 是一个用于伪图像翻译的生成器冻结工具，主要解决图像到图像翻译任务中生成器训练不稳定、模式崩溃等问题。它通过冻结生成器的部分参数或整个生成器，仅训★ 474
SelectionGANSelectionGAN是一个用于跨视角图像翻译的生成对抗网络模型，发表于CVPR 2019（Oral）。它解决的是给定一个视角的场景图像，生成另一个视角（如航★ 467
hyperframes-motion-directorhyperframes-motion-director 是一个面向中文用户的 Agent Skill，专门用于将文章、产品介绍、网页和 README 文件转化为★ 465
Awesome-Evaluation-of-Visual-Generation这是一个聚焦视觉生成模型评测领域的精选资源列表，系统整理了相关的评估指标、评估模型和评估系统。它解决了视觉生成领域缺乏统一、全面评测参考的问题，为研究人员和工程★ 464
nova-image-studioNova Image Studio 是一个自托管的 AI 图像生成工作台，旨在为用户提供灵活、多模式的图像创作环境。它解决了自托管方案中常见的功能单一、交互笨重★ 461
clip-guided-diffusionclip-guided-diffusion 是一个基于 OpenAI CLIP 和扩散模型的文本生成图像工具，提供命令行接口和 Python 模块。它解决了早期★ 459
Awesome-Try-On-Models这是一个虚拟试穿（Virtual Try-on）领域的资源聚合仓库，系统整理了相关论文、代码和工具。它解决的是虚拟试穿方向研究者和开发者信息分散、难以快速找到高★ 458
comfyui-apicomfyui-api 是一个基于 TypeScript 的轻量级 API 服务器，旨在让 ComfyUI 能够轻松地进行水平扩展。它解决了 ComfyUI 原★ 457
AutoStudioAutoStudio 是一个面向多轮交互式图像生成的开源框架，旨在解决用户在连续对话中生成风格一致、主体统一图像的问题。传统文生图模型难以在多次交互中保持同一主★ 452
shuixian-promptsshuixian-prompts 是一个面向中文用户的 AI 绘画提示词开源库，收录了 5000 多条中文提示词，覆盖 ChatGPT、Grok、Gemini、★ 448
Qihoo-T2XQihoo-T2X 是一个基于高效 DiT（Diffusion Transformer）架构的文本到任意内容（text2any）生成项目，由奇虎360团队开发，★ 446
Collaborative-DiffusionCollaborative Diffusion 是一个面向多模态条件引导的扩散模型框架，核心解决现有扩散模型难以同时利用多种异构条件（如文本、草图、语义图、参考★ 444
ConSinGANConSinGAN 是单图像生成对抗网络（GAN）的 PyTorch 实现，源自论文《Improved Techniques for Training Sing★ 442
pytorch-generativepytorch-generative 是一个基于 PyTorch 的生成模型工具库，旨在让生成建模变得简单易用。它实现了多种经典生成模型，包括 PixelCNN★ 439
Diffusion-ColabUIDiffusion-ColabUI 是一个基于 Google Colab 的 Stable Diffusion 模型快速启动工具，用户只需点击一次即可在 Col★ 438
inpainting_gmcnn这是一个基于生成式多列卷积神经网络的图像修复工具，源自NeurIPS 2018论文。它解决的是图像中缺失或损坏区域的智能填充问题，核心能力是利用多列结构捕捉不同★ 435
Anime-Face-DatasetAnime-Face-Dataset 是一个专注于动漫人脸图像的高质量数据集项目，旨在为生成对抗网络（GAN）等图像生成模型提供干净、统一格式的训练数据。项目解★ 434
photo-relic-editorial这是一个基于 Codex 的技能包，用于将真实照片转化为“照片遗物”风格的艺术作品。它解决的是如何将普通照片赋予怀旧、纸张记忆般的编辑美感，同时保持照片的真实性★ 433
ArtGANArtGAN 是一个基于生成对抗网络（GAN）的深度学习项目，专注于条件图像合成，特别是艺术画作的生成。它通过改进 GAN 的结构和训练策略，利用 WikiAr★ 432
gpt-image2-ecommerce这是一个基于 GPT-Image-2 模型的电商素材生成工具，以 Claude Code Skill 形式集成，通过 Codex CLI 调用模型能力。项目内置★ 423
FreeDragFreeDrag 是一个基于点的图像编辑工具，由 CVPR 2024 论文官方实现。它解决了 DragGAN 等现有方法在点拖拽编辑中因特征更新不稳定而导致的编★ 422
vision-aided-ganvision-aided-gan 是一个 CVPR 2022 Oral 论文的开源实现，核心思想是利用现成的预训练模型（如 CLIP、DINO 等）来辅助 GA★ 422
ChatGPT-YourChatRobotChatGPT-YourChatRobot 是一个非官方的 ChatGPT 接入 QQ 和微信（非公众号）的开源实现，基于 Java 编写，旨在让用户快速将个人★ 421