image-generation 第 9 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 9 / 13 页）
Evolving-Visual-Generation这是一个关于视觉生成技术演进的路线图项目，以TeX文档形式系统梳理了从原子映射到智能体世界建模的进化路径。项目旨在解决视觉生成领域知识碎片化、技术脉络不清晰的问★ 136
codex-imagencodex-imagen 是一个为 Codex 和 OpenClaw 设计的技能插件，用于通过 ChatGPT/Codex 的 OAuth 认证来生成图像。它解★ 135
outpainting_srnoutpainting_srn 是 CVPR 2019 论文《Wide-Context Semantic Image Extrapolation》的官方实现，专★ 134
skills这是 Black Forest Labs 官方发布的智能体技能（Agent Skills）集合，面向 FLUX 系列图像与视频生成模型。它把 FLUX 的提示词★ 134
LightGenLightGen 是一个高效的文本到图像生成预训练流水线，专注于解决图像生成模型训练成本高、效率低的问题。它结合了自回归模型和扩散模型的优势，提供了一套完整的预★ 133
StableDiffusionTelegramStableDiffusionTelegram 是一个将 Stable Diffusion 图像生成能力集成到 Telegram 聊天机器人的开源项目。它解决了★ 131
awesome-alternative-uis-for-comfyui这是一个收集 ComfyUI 替代用户界面的精选列表，旨在解决 ComfyUI 默认界面复杂、上手门槛高的问题。项目汇总了多种第三方 UI 方案，涵盖 Web ★ 130
MiniMax-MCP-JSMiniMax-MCP-JS 是 MiniMax 官方的 JavaScript 版 Model Context Protocol (MCP) 实现，旨在将 Mi★ 130
phramephrame 是一个基于 AI 的数字相框应用，它能够将用户的语音对话转化为独特且引人入胜的艺术作品。该项目旨在解决传统数字相框内容单一、缺乏个性化和互动性的问★ 130
comfyui-mcp-panelcomfyui-mcp-panel 是一个为 ComfyUI 设计的本地优先侧边栏 AI 助手面板。它利用用户自己的 Claude 或 ChatGPT 订阅（无★ 129
Nitro-ENitro-E 是一个专注于高效训练的文本到图像扩散模型系列，旨在降低训练门槛和资源消耗。它解决了传统扩散模型训练成本高、对硬件要求苛刻的问题，通过轻量化设计和★ 129
IMAGGarmentIMAGGarment 是一个面向数字时尚设计的细粒度服装生成工具，基于扩散模型实现可控的服装图像合成。它解决了传统服装设计中难以精确控制服装结构、颜色和图案的★ 129
flow-matchingflow-matching 是一个基于 PyTorch 实现的流匹配（Flow Matching）开源项目，专注于图像生成任务。流匹配是一种新兴的生成模型范式，★ 129
OGADOGAD（Off Grid AI）是一个本地优先的AI网关项目，旨在让用户完全离线运行开源AI模型。它通过一个与OpenAI兼容的API网关，统一管理文本、视觉★ 128
BiGraphGANBiGraphGAN是BMVC 2020 Oral论文的官方实现，专注于行人图像生成任务。它解决的是在给定源人物图像和目标姿态的条件下，生成逼真且姿态一致的人物★ 128
RQ-TransformerRQ-Transformer 是论文《Autoregressive Image Generation using Residual Quantization》的★ 128
ZPixZPix 是一个基于本地运行的开源 AI 图像生成与编辑工具，由 Python 驱动，集成了多种开放图像模型。它主要解决用户在本地环境中进行高质量图像创作和编辑★ 127
karbonizedkarbonized 是一个可编程的图像编辑器，旨在通过代码方式来生成和编辑图像。它基于 Electron 构建，使用 TypeScript 开发，将代码编辑与★ 127
sem2nerfSem2NeRF 是 ECCV 2022 收录的研究项目，旨在将单张语义分割掩码（Semantic Mask）转换为三维神经辐射场（NeRF），实现从单视角语义★ 127
ControlVARControlVAR 是一个基于自回归扩散模型的图像生成控制框架，旨在解决传统扩散模型在条件生成中控制粒度不足的问题。它通过将可变长度自回归（VAR）与扩散模型★ 127
Nitro-1Nitro-1 是 AMD 对 Latent Adversarial Diffusion Distillation (LADD) 论文的可运行复现实现，旨在加速★ 126
URSAURSA是一个基于离散扩散模型的图像与视频生成框架，核心创新在于采用均匀离散扩散（Uniform Discrete Diffusion）与度量路径（Metric★ 126
comfyui-meshcomfyui-mesh 是一个针对 ComfyUI 的分布式推理扩展，旨在解决单 GPU 显存不足导致无法运行大型扩散模型（如 FLUX.2 和 LTX 2.★ 126
stable-diffusion-cpp-pythonstable-diffusion-cpp-python 是 stable-diffusion.cpp 的 Python 绑定库，让开发者能在 Python 环境★ 126
interactdiffusionInteractDiffusion 是 CVPR 2024 的官方实现，旨在解决文本到图像扩散模型中的交互控制问题。传统模型只能根据文本生成物体，但难以精确控制★ 126
ExprGANExprGAN 是一个基于 TensorFlow 实现的面部表情编辑开源项目，核心创新在于可控的表情强度编辑。它解决了传统 GAN 只能生成固定表情、无法精细控★ 126
fantasy-dongfang-jianyuehaibao这是一个面向东方文化主题的编辑海报生成技能包，基于 Codex skill 机制，将图像生成、中文标题提炼与真实文化物证结合。它解决的是 AI 生成海报时普遍存★ 123
comfyui_jankhidiffusion这是一个为 ComfyUI 开发的 HiDiffusion 非官方实现节点。HiDiffusion 是一种无需训练即可提升扩散模型高分辨率生成质量的技术，通过修★ 123
VAE-for-Image-Generation这是一个用Keras实现变分自编码器（VAE）的教学型开源项目，专注于图像生成和潜在空间可视化。项目在MNIST和CIFAR10数据集上完成了VAE的完整实现，★ 123
Z-Image-Turbo-WindowsZ-Image-Turbo-Windows 是一个面向 Windows 用户的 AI 图像生成工具，提供一键安装包，极大简化了部署流程。它专门针对低显存（4GB★ 121
SUR-adapterSUR-adapter 是一个为预训练扩散模型设计的轻量级适配器，旨在解决文本到图像生成中文本语义理解不足的问题。它通过从大型语言模型中蒸馏知识，将强大的语义理★ 120
canvas-constructorcanvas-constructor 是一个基于 ES6 的 Canvas 绘图工具库，通过链式调用和内置函数简化 Canvas 2D 绘图流程。它解决了原生 ★ 119
FlowInOneFlowInOne 是一个基于流匹配（Flow Matching）的统一多模态生成框架，由 ECCV 2026 论文官方开源。它创新性地将文本、图像、音频等多种★ 119
DJZ-WorkflowsDJZ-Workflows 是一个专注于 ComfyUI 工作流的开源集合，提供了 1000 多个用于 AI 图像和视频生成的工作流模板，覆盖 Flux、SDX★ 118
typixtypix 是一个开源的 AI 图像生成工具，旨在提供免登录、一站式的创作体验。它解决了主流 AI 生图服务需要注册、付费或受限于特定平台的问题，用户可直接使用★ 118
StableDiffusion.NETStableDiffusion.NET 是一个面向 C# 开发者的 Stable Diffusion 封装库，基于 stable-diffusion.cpp 实★ 117
Muse-StudioMuse Studio 是一个基于 Agentic AI 的开源工作台，专为影视和故事创作而设计。它解决了创作者在规划、可视化和迭代故事与视频内容时流程割裂、工★ 115
FridoFrido 是一个基于特征金字塔扩散模型的图像生成研究项目，源自论文《Frido: Feature Pyramid Diffusion for Complex ★ 114
pollinations-image-lab这是一个基于 Pollinations.ai 的现代 AI 图像生成器前端工具，使用纯 JavaScript、HTML 和 CSS 构建，无需后端即可运行。它解★ 114
dalle2_pythondalle2_python 是一个命令行工具，让你在终端中直接调用 OpenAI 的 DALL-E 2 图像生成 API。它解决的是开发者或设计师需要快速生成图★ 113
HiFi-InpaintHiFi-Inpaint 是一个基于扩散模型的图像修复工具，专门针对电商场景中的人像与商品融合需求。它解决的是传统修复模型在参考图引导下细节丢失、纹理模糊的问题★ 112
pytti-notebookpytti-notebook 是一个基于 Google Colab 的图像生成与风格迁移实验笔记本，主要利用 GAN（生成对抗网络）技术实现图像动画化和风格转换★ 112
UniMedVLUniMedVL 是一个面向医疗领域的统一视觉语言模型，旨在同时处理医学图像的理解与生成任务。它通过“观察-知识-分析”框架，将多模态理解（如图像分类、报告生成★ 111
facetfacet 是一个基于 NodeJS 和浏览器的实时编码与合成工具，专为生成艺术和算法创作设计。它让用户通过编写 JavaScript 代码，在浏览器中实时生成★ 111
multiple-objects-gan这是一个实现ICLR 2019论文《Generating Multiple Objects at Spatially Distinct Locations》的P★ 111
OpenLoafOpenLoaf 是一个开源的、本地优先的 AI 工作台，旨在将多种 AI 能力整合到一个桌面应用中。它解决了用户需要在多个工具间切换、数据隐私难以保障的问题。★ 110
text2image-benchmarktext2image-benchmark 是一个用于生成式图像模型的基准测试工具，专注于文本到图像生成任务。它解决了生成模型评估标准不统一、指标计算复杂的问题，★ 110
opencode-gpt-imagegen这是一个OpenCode插件，利用ChatGPT订阅或OpenAI API实现图片生成功能。它解决了在代码编辑和命令行工作流中需要快速生成图片的问题，无需切换应★ 109
officecliOfficeCLI 是一个基于命令行的 AI 文档生成工具，专注于通过自然语言提示词直接生成可编辑的 Office 文件，包括 PPTX、DOCX、XLSX、报★ 109
wp-bananawp-banana 是一个 WordPress 插件，旨在将 AI 图像生成与编辑能力直接集成到 WordPress 媒体库中。它支持 Gemini、OpenA★ 109