MixNMatch

把图像拆成背景、形状、外观、姿态，随意组合生成新图

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 185 🐛 待处理 13 👀 关注 52

GitHub ↗

GitHub 星标 ★ 964

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，可自行部署使用，完全免费。

项目预览

项目数据

分类图像生成

开发团队WisconsinAIVision

GitHubhttps://github.com/WisconsinAIVision/MixNMatch

定价模式🏷️完全免费

价格说明开源项目，可自行部署使用，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

主要语言Python

技术栈/模型deep-learning,disentangled-representations,fine-grained,gans,image-generation,image-manipulation,pytorch

GitHub 星标★ 964

上线时间2019-11-26 00:00:00

代码更新2020-07-07

仓库体积20.7 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6

项目介绍

MixNMatch 是一个基于 PyTorch 的图像生成与编辑工具，专注于解耦表示学习。它能够将图像分解为背景、形状、外观和姿态四个独立因子，并支持用户通过任意组合这些因子来生成新图像或编辑现有图像。项目解决了细粒度图像生成中难以独立控制不同视觉属性的问题，提供了从真实图像中提取因子、再以任意组合重组的完整流程。核心能力包括：基于生成对抗网络（GAN）的因子解耦、多数据集（如人脸、鸟类、车辆）的预训练模型、以及交互式图像编辑接口。该实现源自 CVPR 2020 论文，代码结构清晰，适合研究二次开发。

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 ★ 964

技术标签

deep-learning gans image-generation image-manipulation pytorch

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 60 分钟部署方式：本地 (Py/CUDA) 4 步

环境要求

Linux
Python 3.7
PyTorch 1.3.1
NVIDIA GPU + CUDA cuDNN

安装与启动步骤

1克隆仓库

先拉代码，数据与模型目录随后补。
```
git clone https://github.com/Yuheng-Li/MixNMatch.git
cd MixNMatch
```
2放数据

下载格式化好的 CUB 数据并解压到 data 目录。
3放预训练模型

CUB / Dogs / Cars 三套权重解压到 models 目录。

4跑评测

分别给姿态、背景、形状、颜色四张源图，指定输出路径。

cd code
python eval.py --z pose/pose-1.png --b background/background-1.png \
    --p shape/shape-1.png --c color/color.png --mode code \
    --models ../models --out ./code-1.png