tagan

用一句话改图,局部编辑不重画

TAGAN 是 NeurIPS 2018 论文《Text-Adaptive Generative Adversarial Networks: Manipulating Images with Natural Language》的官方 PyTorch 实现。该项目解决的是根据自然语言描述对图像进行语义级编辑的问题,例如将“红色鞋子”改为“蓝色鞋子”,而无需重新生成整张图像。其核心能力包括:利用文本自适应机制将语言特征与图像特征在语义层面对齐,通过生成器与判别器的对抗训练实现局部且可控的图像修改,同时保持图像背景和身份信息不变。项目提供了完整的训练与测试代码,支持在 CUB 鸟类数据集上验证效果,适合作为文本驱动图像编辑方向的基线研究。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 94
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woozzu
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0许可证,可自由使用,无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型gan,gans,generative-adversarial-network,manipulate-images,natural-language,neurips-2018,nips-2018,text-to-image
GitHub 星标★ 94
30天Star增速
HF 下载量
上线时间2018-11-22 00:00:00
最近更新2026-02-07 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7

使用教程

核心亮点

  • 官方实现,论文算法复现准确,适合作为基线对比
  • 文本自适应机制能精准定位图像中与描述相关的区域,编辑更可控
  • 在保持背景和主体结构不变的前提下,实现属性修改,效果自然

不足之处

  • 仅支持 CUB 鸟类数据集,泛化到其他场景需自行适配
  • 代码依赖较旧,环境配置可能遇到兼容性问题
  • 文档/社区待观察

适用场景

  • 学术研究:文本驱动图像编辑算法的对比与改进
  • 创意设计:快速修改图片中物体的颜色、纹理等属性
  • 数据增强:生成带不同描述的图像变体用于训练

替代项目

AttnGAN、ControlGAN、T2Net

项目介绍

tagan 是图像领域的开源项目,由 woozzu 开发,2018 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 94。

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 2026-02-07。Apache-2.0许可证,可自由使用,无付费版本。

它主要面向的使用场景是:学术研究:文本驱动图像编辑算法的对比与改进。同类可对比的替代方案包括 AttnGAN、ControlGAN、T2Net。

上一篇:image-studio

下一篇:CoMPaSS

同类项目推荐

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

★ 13967 2026-08-09
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···

★ 70 2026-08-09
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···

★ 134493 2026-08-09