DanceOPD

用策略内蒸馏让图像编辑更稳更准，无需大量配对数据

DanceOPD 是一个基于策略内生成场蒸馏（On-Policy Generative Field Distillation）的图像生成与编辑工具。它解决的是传统扩散模型在图像编辑时依赖大量配对数据、编辑一致性差的问题，通过将生成过程建模为动态场，并采用策略内采样策略进行蒸馏，使模型在推理时能更稳定地控制生成方向。核心能力包括：支持文本引导的图像编辑、保持原图结构的同时修改局部内容、以及无需重新训练即可适配多种下游任务。项目用 Python 实现，依赖主流深度学习框架，代码结构清晰，适合研究生成模型蒸馏和可控图像编辑的开发者参考。目前处于早期阶段，功能偏向实验验证，但方法新颖，对提升编辑精度和效率有实际价值。