SINE

一张图加一句话，无需微调即可精准编辑图像

SINE 是 CVPR 2023 收录的论文官方实现，专注于单张图像编辑任务。它利用文本到图像扩散模型（如 Stable Diffusion）的能力，仅凭一张输入图像和文本指令，即可完成多样化的编辑操作，包括物体替换、属性修改、风格迁移等。核心创新在于无需针对每张图像进行微调，而是通过一种高效的单图像编辑机制，在保持原图结构和身份特征的同时，精准响应文本描述。项目解决了传统图像编辑方法需要多张参考图或大量训练数据的问题，使得个性化编辑变得轻量且灵活。代码基于 Python 和 PyTorch，提供推理和训练脚本，适合研究者复现和二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 189

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zhang-zx

所属国家

官网地址https://zhang-zx.github.io/SINE

GitHubhttps://github.com/zhang-zx/SINE

定价模式free

价格说明开源项目，MIT许可证，代码免费使用，需自行部署，无在线服务。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型diffusion-models,image-editing,stable-diffusion,text-to-image

GitHub 星标★ 189

30天Star增速

HF 下载量

上线时间2022-12-06 00:00:00

最近更新2026-08-20 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

无需针对每张图微调，直接利用预训练扩散模型完成编辑
支持多种编辑类型：物体替换、属性修改、风格迁移等
CVPR 2023 官方代码，学术严谨性高，便于复现

不足之处

项目处于早期阶段，文档和社区支持待观察
依赖 Stable Diffusion 等外部模型，环境配置较复杂

适用场景

设计师快速生成创意素材，基于单张参考图进行风格或内容调整
电商场景中，对产品图进行局部修改（如换色、换背景）而不需重新拍摄
学术研究，用于探索扩散模型在单图像编辑上的边界

替代项目

InstructPix2Pix、Prompt-to-Prompt、Imagic

项目介绍

SINE 是图像领域的开源项目，由 zhang-zx 开发，2022 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 189。

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 2026-08-20。MIT许可证，代码免费使用，需自行部署，无在线服务。

它主要面向的使用场景是：设计师快速生成创意素材，基于单张参考图进行风格或内容调整。同类可对比的替代方案包括 InstructPix2Pix、Prompt-to-Prompt、Imagic。

上一篇：Anything2Image

下一篇：custom-diffusion360