neurips18_hierchical_image_manipulation

用层次语义结构,精准操控图像内容生成

这是一个基于PyTorch实现的NeurIPS 2018论文《Generative Image Manipulation with Hierarchical Semantic Structures》的代码库。该项目旨在解决图像编辑中的语义一致性问题,通过构建层次化语义结构(从全局场景到局部物体)来引导生成对抗网络(GAN)对图像进行精细操控。其核心能力包括:支持对图像进行局部和全局的语义编辑(如替换物体、改变属性),利用多层语义解析图作为条件输入,生成高质量且与上下文协调的图像。代码提供了训练和推理脚本,并依赖PyTorch框架,适合研究图像生成和编辑的开发者复现论文结果或在此基础上扩展。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 68
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xcyan
所属国家
官网地址
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Python
技术栈/模型cnn,deep-learning,generative-adversarial-networks,generative-models,image-generation,pytorch
GitHub 星标★ 68
30天Star增速
HF 下载量
上线时间2019-02-13 00:00:00
最近更新2026-05-04 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2

使用教程

核心亮点

  • 实现层次化语义控制,编辑效果更符合上下文
  • 基于PyTorch,易于复现和二次开发
  • 覆盖从全局到局部的多尺度图像操作

不足之处

  • 文档/社区待观察
  • 依赖特定数据集和预处理,上手门槛较高

适用场景

  • 学术研究:复现论文实验,探索层次语义生成
  • 图像编辑工具:实现物体替换、属性修改等精细操作
  • 教学案例:学习GAN在条件图像生成中的应用

替代项目

pix2pixHD、CycleGAN、StyleGAN2

项目介绍

neurips18_hierchical_image_manipulation 是图像领域的开源项目,由 xcyan 开发,2019 年首次发布。

它收录于图像分类,该分类目前共有 839 个项目,GitHub 星标数为 68。

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 2026-05-04。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:复现论文实验,探索层次语义生成。同类可对比的替代方案包括 pix2pixHD、CycleGAN、StyleGAN2。

上一篇:tileGAN

下一篇:DistanceGAN

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