image-generation 第 5 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 5 / 13 页）
MxPageMxPage 是一款面向电商卖家的开源 AI 详情页生成工具，解决商品上架时主图、详情长图、小红书图文等素材制作耗时且需多语言适配的问题。它把 AI 生图、图片★ 421
SpatialGenSpatialGen 是一个基于布局引导的 3D 室内场景生成框架，来自 3DV 2026 论文。它解决的核心问题是：如何从简单的 2D 布局（如房间平面图或物★ 420
reconstruction-alignmentReconstruction Alignment 是 ICLR 2026 论文的官方实现，旨在通过自监督学习提升统一多模态模型（如文本到图像、图像编辑、图像理解★ 419
ComfyUI_Skills_OpenClawComfyUI_Skills_OpenClaw 是一个将 ComfyUI 工作流转化为 AI 智能体可调用技能的开源项目。它解决了 AI 智能体（如 OpenC★ 416
DreamLayer-EvalDreamLayer-Eval 是一个面向扩散模型的自动化评测基准工具，旨在解决图像生成模型评估过程繁琐、结果难以复现的问题。它通过自动化管理评估流程、随机种子★ 413
Auto1111SDKAuto1111SDK 是一个面向 Automatic1111 WebUI 的 Python SDK 库，旨在为开发者提供简洁、稳定的编程接口来运行先进的扩散模★ 412
MagicBrushMagicBrush 是 NeurIPS 2023 收录的一个用于指令引导图像编辑的手工标注数据集。它解决了现有图像编辑数据集依赖自动生成、指令与编辑结果不匹配★ 412
PnPInversionPnPInversion 是 ICLR 2024 的官方实现，提出一种仅需三行代码即可增强扩散模型编辑能力的方法。它解决现有基于扩散模型的图像编辑中，编辑结果与★ 412
Text-to-Image-Synthesis这是一个基于PyTorch的文本生成图像（Text-to-Image）的GAN实现，对应论文《Generative Adversarial Text-to-Im★ 410
illo-skillillo-skill 是一个面向 AI 代理（如 Claude Code）的技能包，能将文字创意或文章自动转化为原创的印刷风格编辑插图，并支持反复出现的吉祥物角★ 408
Awesome-Generation-Acceleration这是一个专注于生成模型加速的资源合集，主要收集扩散模型、文本到图像生成等领域的推理加速技术。它解决了生成式AI模型在部署时计算量大、推理速度慢的问题，通过整理高★ 403
unetganUNetGAN 是 CVPR 2020 论文《A U-Net Based Discriminator for Generative Adversarial Ne★ 402
NexiorNexior 是一个基于 Vue 3 和 Capacitor 构建的消费级 AI 应用，集成了聊天、图像生成、视频生成和音乐创作等多项功能。它通过 Ace Da★ 400
ArtemisArtemis 是一个完全离线的本地 AI 女友后宫系统，旨在解决用户对个性化、可定制且隐私安全的 AI 伴侣需求。它整合了本地大语言模型（LLM）、GPT-S★ 398
chatgpt-imagegen这是一个利用 ChatGPT 订阅账户在命令行生成图片的 Python 工具，无需 OpenAI API 密钥、无需网关或后台守护进程。它通过模拟 ChatGP★ 395
LLMGALLMGA是一个基于多模态大语言模型的图像生成助手，源自ECCV 2024 Oral论文。它旨在解决用户难以精确控制图像生成和编辑的问题，通过将大语言模型的推理★ 395
World-SimulatorWorld-Simulator 是一个围绕“模拟真实世界”主题的学术资源聚合项目，收录了 IEEE TPAMI 2026 论文《Simulating the R★ 394
VINEVINE 是 ICLR 2025 的官方实现，专注于利用生成式先验（如扩散模型）实现鲁棒图像水印，以抵御现代图像编辑工具的篡改。项目首先构建了首个针对图像编辑的★ 390
SwapNetSwapNet 是一个基于深度学习的虚拟试衣开源项目，实现了 Raj 等人 2018 年提出的 SwapNet 算法，并提供了 PyTorch 复现版本，同时支★ 389
RelaCtrlRelaCtrl 是一个面向 Diffusion Transformer（DiT）架构的高效 ControlNet 实现，旨在解决现有 ControlNet 在★ 386
mega-data-factorymega-data-factory 是一个面向大规模基础模型训练的多模态数据流水线框架，专注于解决数据质量与数据规模之间的平衡问题。它提供了一套从数据采集、清洗★ 380
llm4freellm4free 是一个集成了 40 多个免费 AI 提供商的 Python 工具包，前身是 WebScout。它解决了开发者需要聚合多个免费 LLM 服务、统★ 375
DanceOPDDanceOPD 是一个基于策略内生成场蒸馏（On-Policy Generative Field Distillation）的图像生成与编辑工具。它解决的是传★ 374
ChatFredChatFred 是一个基于 Alfred 的 workflow，将 ChatGPT、DALL·E 2 等 AI 模型集成到 macOS 的 Alfred 快捷★ 370
Deep-Exemplar-based-Video-Colorization这是一个基于深度学习的视频上色工具，来自CVPR 2019论文。它利用参考图像（示例图）为灰度视频自动添加自然色彩，解决传统视频上色中颜色不一致、需要人工干预的★ 370
stable-diffusion-nvidia-docker这是一个为 Stable Diffusion v2 模型准备的 GPU 就绪 Docker 镜像，旨在简化 AI 图像生成环境的部署。它解决了本地配置 CUDA★ 369
img-promptimg-prompt 是一个极简的 AI 图像提示词编辑器，内置 5000+ 提示词模板，支持 18 种语言，帮助用户用母语快速生成适用于 Midjourney★ 368
ComfyUI-ZImagePowerNodesComfyUI-ZImagePowerNodes 是一组专门为 Z-Image 和 Z-Image Turbo 模型设计的 ComfyUI 自定义节点。它解决了★ 368
gemini-youtube-automation这是一个基于 Gemini 等大语言模型的完全自主 AI 智能体/Python 流水线，用于自动生成教育视频并上传到 YouTube。它解决了内容创作者需要手动★ 367
mlx-openai-servermlx-openai-server 是一个面向 Apple Silicon 芯片的高性能 API 服务器，为 MLX 系列模型提供 OpenAI 兼容的接口。它★ 362
DyPEDyPE 是 ICML 2026 论文的官方实现，针对扩散模型在超高分辨率图像生成中的位置编码外推难题，提出动态位置外推方法。现有模型（如 Flux）在训练分辨★ 360
fashn-vton-1.5FASHN VTON v1.5 是一个基于扩散模型的虚拟试穿（Virtual Try-On）开源项目，专注于在像素空间实现无需掩码的高效服装迁移。它解决了传统虚★ 355
ZenCtrlZenCtrl 是一个基于扩散模型的图像生成工具，专注于上下文驱动的主题生成，同时保持前景保真度。它解决了在图像编辑和生成中，用户希望将特定主体（如人物、物体）★ 351
CoCosNet-v2CoCosNet-v2 是一个基于深度学习的图像翻译项目，专注于全分辨率对应关系学习。它解决的是图像到图像翻译中，当输入图像与参考图像存在大形变或视角差异时，如★ 347
FIBOFIBO 是一个开源的文本到图像生成模型，主打 JSON 原生输出，即模型直接生成结构化的 JSON 数据（包含对象、位置、属性等），而非传统像素图。它解决了现★ 345
VoostVoost 是一个基于扩散 Transformer 的统一框架，用于双向虚拟试穿（try-on）和虚拟脱衣（try-off）。它解决了传统虚拟试穿模型只能单向处★ 344
OASISOASIS是ICLR 2021论文的官方实现，提出了一种仅需对抗监督即可完成语义图像合成的新方法。传统方法依赖复杂的感知损失或特征匹配损失来训练生成器，而OAS★ 339
OmniTokenizerOmniTokenizer 是一个用于图像和视频联合分词（tokenization）的统一模型，来自 NeurIPS 2024。它解决了图像和视频生成中分词器不★ 333
AI-Influencer-GeneratorAI-Influencer-Generator 是一个基于 Jupyter Notebook 的开源项目，旨在帮助用户创建和定制虚拟 AI 网红。它利用 Flu★ 331
goshotgoshot 是一个用 Go 编写的命令行工具，用于将代码片段生成美观的截图，可作为 Carbon 的本地替代方案。它解决了开发者需要快速制作带样式代码图片用于★ 327
stable-diffusion-colabstable-diffusion-colab 是一个基于 Google Colab 的 Jupyter Notebook 项目，专门用于运行 Stable Di★ 323
OpenShape_codeOpenShape是面向开放世界3D形状理解的表示学习框架，旨在解决传统3D模型在类别覆盖和语义泛化上的局限。其核心思路是通过大规模多模态数据对齐训练，将点云、★ 323
openai-chat-api-workflow这是一个基于 Alfred 5 的工作流，让你无需离开键盘就能调用 OpenAI 的 Chat API 与 GPT 模型对话。它不止于聊天，还集成了图像生成（D★ 318
Ovis-ImageOvis-Image 是一个 7B 参数规模的文本到图像生成模型，专注于在严格计算约束下实现高质量的文字渲染。它解决了现有模型在生成图像中文字时经常出现拼写错误★ 318
the-ogthe-og 是一个纯 PHP 实现的 OpenGraph 图片生成器，用于动态生成社交媒体分享链接时所需的预览图片（如 Twitter Card、Facebo★ 310
ImageFolderImageFolder 是一个面向自回归（AR）和变量自回归（VAR）图像生成模型的高性能图像分词器。它解决了传统图像生成中像素级建模效率低、难以捕捉全局结构的★ 307
free-image-generation-api这是一个基于 Cloudflare Workers 的免费 AI 图像生成 API 项目。它利用 Cloudflare 的全球边缘网络，将 AI 图像生成能力封★ 306
HumanSDHumanSD 是 ICCV 2023 的官方实现，提出了一种原生骨架引导的扩散模型，用于人体图像生成。它解决了现有文本到图像模型在人体姿态控制上不精确、容易产★ 304
ComfyUI_InfiniteYouInfiniteYou 是一个基于 FLUX 的身份保持图像生成与编辑项目，荣获 ICCV 2025 Highlight。它通过 ComfyUI 原生节点集成，★ 300
BingImageCreatorBingImageCreator 是一个基于 Python 的开源工具，通过逆向工程微软 Bing 的图像生成 API，让开发者无需官方付费订阅即可调用 Bin★ 300