让扩散模型听你的话，精准改图不串台
DPL（Dynamic Prompt Learning）是NeurIPS 2023收录的文本引导图像编辑方法，针对Stable Diffusion等扩散模型在编辑时因交叉注意力泄漏导致编辑不精准的问题。它通过动态学习提示词（prompt），在去噪过程中优化文本嵌入，使编辑区域更聚焦于目标对象，同时保留背景和未编辑区域。核心能力包括：无需额外训练即可适配现有扩散模型，支持基于文本的局部编辑（如替换物体、修改属性），并显著减少编辑痕迹和内容泄漏。项目提供官方代码和推理脚本，适合研究扩散模型编辑机制或开发图像编辑应用。
InstructPix2Pix、Prompt-to-Prompt、Null-Text Inversion
DPL 是图像领域的开源项目，由 wangkai930418 开发，2023 年首次发布。
它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 111。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-04-30。代码公开，可自行部署使用，无收费计划。
它主要面向的使用场景是：文本驱动的局部图像编辑（如换发色、改物体）。同类可对比的替代方案包括 InstructPix2Pix、Prompt-to-Prompt、Null-Text Inversion。
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···
