image-generation 第 8 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 8 / 13 页）
vistorybenchViStoryBench 是一个面向 AI 故事可视化任务的基准测试集，由 CVPR 2026 论文提出。它解决的核心问题是：当前图像生成模型在生成连贯、风格一★ 173
EMLightEMLight 是一个基于深度学习的照明估计工具，源自 AAAI 2021 论文，用于从单张图像估计场景的球面分布光照，并支持后续的物体重打光。它解决了传统光照★ 172
comfyui-nixcomfyui-nix 是一个为 ComfyUI 提供的 Nix flake 配置，旨在简化 Stable Diffusion 工作流的部署。它解决了 Comf★ 171
Awesome-ECCV2022-Low-Level-Vision这是一个汇集ECCV 2022会议中低层视觉方向论文与代码的精选列表，覆盖图像恢复、增强、去模糊、去噪、插帧等子领域。它解决了研究者难以系统追踪顶级会议最新成果★ 170
ImageCriticImageCritic 是 CVPR 2026 的官方实现，专注于图像生成中的一致性与定制化问题。它基于扩散模型（如 Flux）构建，提供一种批评或评估机制，用★ 169
dynacoverdynacover 是一个基于 PHP 的 Twitter 动态封面生成工具，它利用 JSON 模板和 GD 图像处理库，根据用户数据动态生成个性化的 Twit★ 169
paper-listpaper-list 是一个自动更新的论文列表项目，专注于图像生成领域，同时覆盖动作识别、异常检测、音频处理、分类、深度估计、图神经网络等多个方向。它通过自动化★ 166
lecam-ganlecam-gan 是一个基于 PyTorch 的生成对抗网络实现，专注于在有限数据条件下训练 GAN。它通过引入 LeCam 散度作为正则化项，改进判别器的训★ 166
FQ-GANFQ-GAN是一个基于PyTorch的图像生成与翻译框架，官方实现了FQ-GAN模型。它旨在解决高分辨率图像生成和跨域图像转换中的质量与效率问题，通过引入全量化★ 166
pixelCNNpixelCNN 是一个基于 Theano 重新实现的 PixelCNN 图像生成模型。PixelCNN 是一种自回归生成模型，通过逐像素预测来生成图像，能够学★ 166
icfaceICface 是一个基于 GAN 的人脸重演（Face Reenactment）开源项目，旨在实现可解释且可控的人脸动画生成。它通过解耦人脸的身份特征与动作单元★ 164
website-to-gifwebsite-to-gif 是一个 GitHub Action，用于将指定网站页面自动转换为 GIF 动图。它解决了文档、演示或社交媒体中需要展示网页动态效果★ 162
DiscordBot-EdgeGPTDiscordBot-EdgeGPT 是一个基于 Python 的 Discord 机器人，它利用微软 Copilot、Bing Image Creator 和★ 161
PromptGallery-stable-diffusion-webuiPromptGallery-stable-diffusion-webui 是一个为 Stable Diffusion WebUI 设计的提示词图库扩展，旨在解决★ 161
NEDNED是CVPR 2022提出的视频人脸表情编辑工具，基于PyTorch实现。它解决的是视频中演员面部情绪的精准操控问题，用户可以通过指定情绪标签（如开心、悲伤★ 160
street-tryon-benchmarkStreetTryOn 是一个面向真实街景场景的虚拟试穿基准测试集，由 WACV'25 论文提出。它解决了现有虚拟试穿方法在实验室环境下表现良好但在真实世界场景★ 159
blur-diffusionblur-diffusion 是论文《Progressive Deblurring of Diffusion Models for Coarse-to-Fine★ 159
Qwen-Image-Edit-2511-LoRAs-Fast-Lazy-Load这是一个针对Qwen-Image-Edit-2511图像编辑模型的演示项目，核心亮点是支持懒加载的LoRA适配器，用于高级单图和多图编辑。项目集成了7种以上专用★ 158
wondaWonda 是一个运行在终端里的 AI 内容创作命令行工具，基于 TypeScript 开发。它主要解决创作者在命令行环境中高效生成和编辑图像内容的需求，无需切★ 158
X-PromptX-Prompt 是一个面向自回归视觉语言基础模型的通用上下文图像生成框架。它解决的是现有自回归模型在图像生成时难以灵活利用上下文信息、缺乏统一提示机制的问题。★ 158
Portable-DiffusionPortable-Diffusion 是一个已弃用的本地 AI 图像生成工具，旨在提供零配置的本地 Stable Diffusion 使用体验。它主要解决用户在★ 157
MHLAMHLA 是一个面向图像生成与语言建模的线性注意力机制改进项目，旨在解决线性注意力在表达力上的不足。传统线性注意力通过核函数近似 softmax 注意力，虽降低★ 157
caption-upsamplingcaption-upsampling 是一个基于 PyTorch 和 diffusers 的开源项目，旨在复现 DALL-E 3 中的“标题上采样”（capti★ 157
flyreq-image-studioflyreq-image-studio 是一个开源的 AI 生图与视频工作台，采用 TypeScript 构建，支持 Agent 与工作台两种模式。它解决了 A★ 156
edumcpEDUMCP 是一个面向教育领域的开源协议，它将模型上下文协议（MCP）与教育应用相结合，旨在打通不同 AI 模型、教育软件、智能硬件和教学智能体之间的数据与能★ 156
WaDiWaDi 是一个面向一步图像合成的权重方向感知蒸馏框架，由 CVPR 2026 论文官方提供 PyTorch 实现。它解决扩散模型蒸馏过程中因权重方向忽略导致的★ 153
comfyui-clientcomfyui-client 是一个面向 ComfyUI 的 TypeScript 客户端库，封装了所有 HTTP 和 WebSocket API，支持在 No★ 152
HRDiTHRDiT 是 ECCV 2026 论文的官方实现，解决的是扩散 Transformer（DiT）模型在高分辨率图像生成时质量骤降的问题。现有 DiT（如 FL★ 150
ShapeifyShapeify 是一个基于 Godot 引擎的开源图像生成工具，它利用遗传算法和计算着色器，将普通图片重新创作成由简单几何形状（如圆形、多边形）组成的艺术风格★ 149
stylegan2-encoder-pytorch这是一个基于PyTorch的StyleGAN2域内GAN反演实现，旨在将真实图像编码到StyleGAN2的潜在空间中，从而实现对真实图像的高质量编辑和重建。它解★ 149
FreeScaleFreeScale 是一个面向扩散模型的免调优高分辨率图像生成方法，代码随 ICCV 2025 论文发布。它解决了现有扩散模型在生成超出训练分辨率图像时出现的结★ 148
AiMAiM 是论文《Scalable Autoregressive Image Generation with Mamba》的官方 PyTorch 实现，旨在探索用★ 148
image-prompt-library这是一个本地优先的图像提示词库工具，用 Python 和 FastAPI 构建。它主要解决 AI 图像生成中提示词管理混乱、难以复用和整理的问题。核心能力包括：★ 147
awesome-flux-3-api-prompts这是一个面向 Black Forest Labs FLUX 3 模型的 API 使用指南与提示词合集。FLUX 3 是统一的多模态生成模型，支持文生视频、图生视★ 147
MLDS2018SPRINGMLDS2018SPRING 是台湾大学李宏毅教授2018年春季《机器学习及其深层次与结构化》课程的公开资料库，包含课程讲义、作业代码和项目示例。项目主要面向深★ 146
PNGANPNGAN是一个基于像素级噪声感知对抗训练的真实噪声图像生成工具，源自NeurIPS 2021论文。它解决的是真实图像去噪领域缺乏真实噪声数据的问题，核心能力是★ 146
Minimalistic-Comfy-Wrapper-WebUIMCWW（Minimalistic-Comfy-Wrapper-WebUI）是一个基于 Gradio 的 ComfyUI 附加界面，专注于推理场景，不依赖节点图★ 145
MNISTDiffusionMNISTDiffusion 是一个从零开始实现的去噪扩散概率模型（DDPM）的极简版本，专门用于 MNIST 手写数字生成。项目代码精简，模型大小仅 4.55★ 145
grok-image-apigrok-image-api 是一个面向 Grok Imagine 1.5 图像生成能力的开源 API 封装与文档项目，用 Python 实现。它把 xAI 的★ 145
Ming-UniVisionMing-UniVision 是一个统一图像理解与生成的联合模型开源项目，核心创新在于提出连续统一分词器（Continuous Unified Tokenize★ 144
DiffUTEDiffUTE 是一个基于扩散模型的通用场景文字编辑工具，来自 NeurIPS 2023 论文。它解决的是在自然图像中精准修改文字内容的问题，比如把路牌上的“S★ 144
LGGANLGGAN 是一个基于生成对抗网络的语义引导场景生成模型，发表于 CVPR 2020。它解决的是从语义分割图（或跨视角条件）生成逼真场景图像的问题，核心创新在于★ 144
ConffusionConffusion 是论文《Conffusion: Confidence Intervals for Diffusion Models》的官方实现，旨在为扩散★ 143
wdm-3dWDM-3D 是一个基于 PyTorch 的 3D 小波扩散模型，用于高分辨率医学图像合成，论文发表于 MICCAI 2024。它针对医学图像（如 CT、MRI★ 142
OneShotTranslationOneShotTranslation 是论文《One-Shot Unsupervised Cross Domain Translation》（NIPS 2018★ 141
BrLPBrLP（Brain Latent Progression）是一个面向医学影像的时空疾病进展建模工具，发表于MICCAI 2024并获MedIA最佳论文奖。它解★ 140
TokenComposeTokenCompose 是一个基于扩散模型的文本到图像生成方法，核心创新在于引入 token 级别的监督信号，以解决多物体组合生成中常见的问题，如物体遗漏、属★ 138
VisorGPTVisorGPT 是一个 NeurIPS 2023 论文的开源实现，旨在为条件图像合成模型（如 ControlNet）定制空间布局。它利用 GPT 模型来理解和★ 138
diffusion-DDIM-pytorchdiffusion-DDIM-pytorch 是一个基于 PyTorch 的 DDIM（Denoising Diffusion Implicit Models）★ 138
simple-diffusionsimple-diffusion 是一个用 PyTorch 实现的最小化去噪扩散模型，旨在以极简代码展示扩散模型的核心原理。它解决了初学者理解扩散模型门槛高的问★ 137