Collaborative-Diffusion

无需重训，让多个扩散模型协作生成多条件图像

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 37 🐛 待处理 6 👀 关注 8

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 444

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，代码公开，可自行部署使用，无付费版本。

项目预览

Collaborative-Diffusion 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队ziqihuangg

官网地址https://ziqihuangg.github.io/projects/collaborative-diffusion.html

GitHubhttps://github.com/ziqihuangg/Collaborative-Diffusion

定价模式🏷️完全免费

价格说明开源项目，代码公开，可自行部署使用，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型aigc,diffusion-models,face-editing,face-generation,gen-ai,image-editing,image-generation,latent-diffusion-models,multi-modality,stable-diffusion

GitHub 星标★ 444

上线时间2023-03-22 00:00:00

代码更新2025-10-07

仓库体积4.4 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数2

项目介绍

Collaborative Diffusion 是一个面向多模态条件引导的扩散模型框架，核心解决现有扩散模型难以同时利用多种异构条件（如文本、草图、语义图、参考图等）进行协同生成与编辑的问题。它提出将多个预训练的扩散模型视为协作代理，通过迭代式互相引导（Collaborative Sampling）在推理阶段融合各自的条件信息，无需重新训练或微调，即可实现多条件联合控制。项目支持图像生成、人脸编辑、图像编辑等任务，并提供了基于 Stable Diffusion 和人脸扩散模型的示例。其核心能力包括：即插即用的多条件融合、灵活的代理组合机制、以及无需额外训练的高效推理。该工作发表于 CVPR 2023，代码基于 PyTorch 实现，适合研究多模态生成与可控图像合成的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 444

技术标签

aigc diffusion-models gen-ai image-editing image-generation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 60 分钟部署方式：本地GPU 5 步

环境要求

NVIDIA GPU（显存 16GB 起）
Python 3.8 或 3.9

安装与启动步骤

1拉仓库

论文官方实现，含生成与编辑两组脚本。
```
git clone https://github.com/ziqihuangg/Collaborative-Diffusion
```
2装锁定版本依赖

版本要求很旧，新版环境基本跑不起来。
```
pip install transformers==4.19.2 kornia==0.6.4 torchmetrics==0.6.0
```
3补装检索依赖

它用近似最近邻做协作，scann 装起来最费劲。
```
pip install scann
```
4跑一次文生图

先用默认参数确认能出图。
```
python text2image.py --help
```
5再跑编辑与协作

编辑脚本分文本编辑与掩码编辑两种。
```
python editing/collaborative_edit.py --help
```