eccv16_attr2img

从属性描述生成逼真图像，复现 ECCV16 经典论文

Attribute2Image 是 ECCV 2016 论文的 Torch 实现，旨在根据属性描述生成对应的图像。该项目解决了从离散属性（如颜色、形状、类别）到连续像素空间的映射问题，核心能力包括条件生成、多模态输出以及对未见属性组合的泛化。它基于 Torch 框架，利用生成对抗网络（GAN）和变分自编码器（VAE）的混合架构，能够从属性向量生成多样化的图像样本。项目提供了训练和测试代码，支持在 CelebA 等数据集上复现论文结果。对于研究属性可控图像生成、探索生成模型可解释性的开发者，这是一个有价值的参考实现。

开源 free 设计创意

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

分类设计创意

开发团队xcyan

所属国家

官网地址https://sites.google.com/site/attribute2image

GitHubhttps://github.com/xcyan/eccv16_attr2img

定价模式free

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

是否开源是

开源协议MIT

主要语言Lua

技术栈/模型face,generative-art,generative-model,torch,variational-autoencoder,visualization

GitHub 星标★ 94

30天Star增速

HF 下载量

上线时间2016-06-01 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4

使用教程

核心亮点

完整复现论文方法，包含训练和测试脚本，可直接运行
支持多模态生成，同一属性可产生多样图像结果
架构清晰，便于学习属性条件生成模型的设计

不足之处

依赖 Torch 老框架，环境配置复杂，与现代 PyTorch 生态脱节
文档较少，仅提供基础说明，缺少详细参数调优指南

适用场景

学术研究：复现论文基线，对比新方法
教学演示：理解属性条件 GAN 的工作原理
原型开发：快速验证属性到图像生成的想法

替代项目

AttnGAN、StackGAN、ControlNet

项目介绍

eccv16_attr2img 是图像领域的开源项目，由 xcyan 开发，2016 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。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：复现论文基线，对比新方法。同类可对比的替代方案包括 AttnGAN、StackGAN、ControlNet。

上一篇：sand-spline

下一篇：geopattern