Dreambooth-Stable-Diffusion

用几张照片，微调Stable Diffusion生成专属主体的新图像

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 792 🐛 待处理 138 👀 关注 89

GitHub ↗

GitHub 星标 ★ 7730

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，MIT许可证，完全免费，可自行部署使用。

项目预览

Dreambooth-Stable-Diffusion 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XavierXiao

GitHubhttps://github.com/XavierXiao/Dreambooth-Stable-Diffusion

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

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

主要语言Jupyter Notebook

技术栈/模型pytorch,pytorch-lightning,stable-diffusion,text-to-image

GitHub 星标★ 7730

上线时间2022-09-06 00:00:00

代码更新2022-12-08

仓库体积5.8 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数2

项目介绍

Dreambooth-Stable-Diffusion 是 Dreambooth 论文的 Stable Diffusion 实现，旨在解决文本到图像模型中特定主体（如人脸、宠物或物品）的个性化生成问题。传统模型无法根据少量参考图生成同一主体的新场景图像，而该工具通过微调预训练的 Stable Diffusion 模型，使模型学会将唯一标识符与特定主体绑定，从而在保持主体特征一致性的同时，支持多样化的场景和风格生成。核心能力包括：基于少量图像（通常3-5张）进行个性化训练，支持自定义提示词控制生成内容，并集成了 PyTorch Lightning 简化训练流程。项目提供完整的训练和推理代码，适合研究者和开发者用于艺术创作、产品设计等需要个性化图像生成的场景。

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 ★ 7730

技术标签

pytorch pytorch-lightning stable-diffusion text-to-image

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：高级约 60 分钟部署方式：本地安装 5 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

具备 NVIDIA GPU 且显存充足（README 提到可开启梯度检查点降低显存占用）
已安装 PyTorch 与 PyTorch Lightning 相关环境
准备好 Stable Diffusion 预训练权重（项目基于 CompVis/stable-diffusion）
准备目标主体的参考图像（通常 3~5 张）

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 Dreambooth-Stable-Diffusion 代码到本地，作为后续训练与推理的根目录。
```
git clone https://github.com/XavierXiao/Dreambooth-Stable-Diffusion.git
cd Dreambooth-Stable-Diffusion
```
2准备 SD 预训练权重

项目是 Stable Diffusion 上的 Dreambooth 实现，需按其依赖的官方仓库说明准备预训练权重文件。
3准备参考图像

收集 3~5 张同一主体（人脸、宠物或物品）的图片，用于把唯一标识符与该主体绑定。
4配置运行环境

按 PyTorch 与 PyTorch Lightning 的要求准备依赖；显存不足时可启用梯度检查点技巧。
5参照 Usage 运行

README 的 Usage 章节给出实际运行方式，按其中说明执行训练与推理流程。