awesome-image-translation

一张图变任意风格，精选资源一网打尽

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 120 👀 关注 61

GitHub ↗

GitHub 星标 ★ 1242

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源资源列表，MIT 许可证，完全免费。

项目预览

awesome-image-translation 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队weihaox

GitHubhttps://github.com/weihaox/awesome-image-translation

定价模式🏷️完全免费

价格说明开源资源列表，MIT 许可证，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

技术栈/模型awesome-list,computer-graphics,computer-vision,image-generation,image-translation

GitHub 星标★ 1242

上线时间2019-08-21 00:00:00

代码更新2025-09-20

仓库体积1.1 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

这是一个精选资源列表，汇集了图像到图像翻译（image-to-image translation）领域的优秀论文、代码和工具。图像翻译旨在将输入图像转换为目标风格或域，例如将素描变为照片、将白天变为黑夜、将马变为斑马。该项目系统整理了GAN、扩散模型等主流方法，按任务类型（如风格迁移、超分辨率、语义合成）分类，并附有论文链接和开源实现，方便研究者快速了解技术脉络、对比不同方法，并找到可复用的代码。它解决了该领域资源分散、入门门槛高的问题，是计算机视觉学习者和从业者的实用导航。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1242

技术标签

awesome-list computer-graphics computer-vision image-generation image-translation

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 5 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 Git 命令行工具（用于克隆仓库）
任意可阅读 Markdown 的编辑器或浏览器

安装与启动步骤

1克隆仓库

把资源清单仓库下载到本地，README 未给安装步骤，克隆后即可离线浏览全部链接。
```
git clone https://github.com/weihaox/awesome-image-translation.git
```
2进入仓库目录

切换到克隆下来的目录，后续所有文档都在该目录内。
```
cd awesome-image-translation
```
3浏览年份清单

README 目录按年份拆分文档，选择你关心的年份打开即可看到当年论文与代码链接。
```
cat docs/2024.md
```
4查看早期资料

2018 年及更早的论文集中在 BEFORE-2018.md 中，可按需查看。
```
cat docs/BEFORE-2018.md
```
5找到开源框架

README 的 Open Source Frameworks 段落只列出一个可直接训练图像翻译模型的集成框架 joliGEN，可前往其仓库查看用法。
6提交贡献

发现遗漏的论文或实现时，可手动编辑 Markdown 条目或使用 arxiv_daily_tools 脚本生成条目，然后发起 Pull Request。