FQ-GAN 是图像领域的开源项目，由 YangNaruto 开发，2020 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 166。
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 2026-09-08。代码仓库提供，无在线服务，完全免费。
它主要面向的使用场景是：学术研究：探索量化在GAN中的应用。同类可对比的替代方案包括 CycleGAN、StyleGAN2、BigGAN。
FQ-GAN
用全量化技术让图像生成更精准，跨域转换更自然
FQ-GAN是一个基于PyTorch的图像生成与翻译框架，官方实现了FQ-GAN模型。它旨在解决高分辨率图像生成和跨域图像转换中的质量与效率问题，通过引入全量化（Full Quantization）机制，在保持生成图像多样性的同时提升生成精度。项目核心能力包括：支持BigGAN和StyleGAN等主流生成架构，提供图像生成与图像翻译两大功能模块，并集成了GAN训练所需的完整流程。其技术栈覆盖TensorFlow和PyTorch，便于研究者对比与迁移。目前项目处于早期阶段，代码结构清晰，适合作为学术研究参考或二次开发基础。
开源
free
图像生成
GitHub 星标
★ 166
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YangNaruto
所属国家
定价模式free
价格说明开源项目，代码仓库提供，无在线服务，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型biggan,gans,image-generation,image-translation,pytorch,stylegan,tensorflow
GitHub 星标★ 166
30天Star增速
HF 下载量
上线时间2020-02-14 00:00:00
最近更新2026-09-08 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3
使用教程
核心亮点
- 全量化机制提升生成图像的细节保真度
- 同时支持BigGAN和StyleGAN，架构灵活
- 覆盖图像生成与翻译两大场景，适用面广
不足之处
- 文档/社区待观察
- 早期项目，示例和教程较少
适用场景
- 学术研究：探索量化在GAN中的应用
- 图像翻译：如风格迁移、超分辨率
- 生成模型教学与实验
替代项目
CycleGAN、StyleGAN2、BigGAN
项目介绍
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
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···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
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···