MixNMatch

把图像拆成背景、形状、外观、姿态，随意组合生成新图

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。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 963

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队WisconsinAIVision

所属国家

官网地址

GitHubhttps://github.com/WisconsinAIVision/MixNMatch

定价模式free

价格说明开源项目，可自行部署使用，完全免费。

访问状态

是否开源是

开源协议

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★ 963

30天Star增速

HF 下载量

上线时间2019-11-26 00:00:00

最近更新2026-09-21 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

因子解耦彻底，可独立控制背景、形状、外观、姿态，编辑精准
提供多数据集预训练模型，开箱即用，复现论文效果好
代码基于 PyTorch，模块化设计，易于扩展和二次开发

不足之处

训练和推理资源消耗大，对硬件要求较高
文档偏学术，缺少详细的中文教程和社区支持

适用场景

学术研究：用于解耦表示学习和图像生成实验
创意设计：快速生成不同风格或姿态的图像素材
数据增强：通过因子重组生成多样化的训练数据

替代项目

StarGAN、CycleGAN、MUNIT

项目介绍

MixNMatch 是图像领域的开源项目，由 WisconsinAIVision 开发，2019 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（963）位列前 30%，在图像分类中处于中上游。

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 2026-09-21。可自行部署使用，完全免费。

它主要面向的使用场景是：学术研究：用于解耦表示学习和图像生成实验。同类可对比的替代方案包括 StarGAN、CycleGAN、MUNIT。

上一篇：NeuralTexGen

下一篇：tileGAN