initno

优化初始噪声，让AI画得更准更美

InitNO 是一个 CVPR 2024 论文的开源实现，旨在通过优化初始噪声来提升文本到图像扩散模型的生成质量。它解决的是扩散模型在采样时因初始噪声随机性导致的生成图像与文本描述不匹配、细节质量不佳的问题。核心能力是提出一种初始噪声优化方法，在采样前对随机噪声进行迭代优化，使其更符合文本语义，从而在不改变模型结构和训练过程的情况下，显著提升生成图像的文本对齐度和视觉保真度。项目基于 PyTorch 实现，支持多种主流扩散模型（如 Stable Diffusion），提供训练和推理代码，以及预训练权重。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 83
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xiefan-guo
所属国家
官网地址https://xiefan-guo.github.io/initno
GitHubhttps://github.com/xiefan-guo/initno
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
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diffusion-models,image-generation,text-to-image
GitHub 星标★ 83
30天Star增速
HF 下载量
上线时间2024-04-07 00:00:00
最近更新2026-09-18 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

  • 无需重训模型，即插即用提升生成质量
  • 在多个基准上验证了文本对齐度的显著提升
  • 代码结构清晰，基于 PyTorch，易于复现

不足之处

  • 优化过程增加额外计算开销，推理变慢
  • 文档/社区待观察

适用场景

  • 提升文生图模型的提示词遵循能力
  • 改善生成图像的细节和构图质量
  • 作为扩散模型采样的后处理优化模块

替代项目

FreeDoM、Diffusion Self-Guidance、DDS (Destination Diffusion Sampling)

项目介绍

initno 是图像领域的开源项目，由 xiefan-guo 开发，2024 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 83。

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 2026-09-18。Apache-2.0许可证，可免费使用和部署。

它主要面向的使用场景是：提升文生图模型的提示词遵循能力。同类可对比的替代方案包括 FreeDoM、Diffusion Self-Guidance、DDS (Destination Diffusion Sampling)。

上一篇：mj-studio

下一篇：awesome-ai-image-models

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