SEAN

拖拽语义图，逐区域控制生成图像的风格与内容

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 89 🐛 待处理 36 👀 关注 13

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 657

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，完全免费。

项目预览

项目数据

分类图像生成

开发团队ZPdesu

官网地址https://zpdesu.github.io/SEAN

GitHubhttps://github.com/ZPdesu/SEAN

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，完全免费。

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cvpr2020,face-editing,face-manipulation,gan,image-generation,image-translation

GitHub 星标★ 657

上线时间2020-03-19 00:00:00

代码更新2021-06-02

仓库体积89.4 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6

项目介绍

SEAN 是 CVPR 2020 Oral 论文的官方实现，提出语义区域自适应归一化（Semantic Region-Adaptive Normalization）机制，用于条件图像生成和编辑。它解决传统 GAN 在语义布局指导下生成图像时，难以精细控制不同区域风格的问题。核心能力包括：输入语义分割图与风格向量，通过区域自适应归一化层将风格注入对应语义区域，实现高保真、可编辑的图像合成；支持对生成图像的局部区域进行风格编辑，如改变头发、眼睛、背景等属性；在面部编辑、场景合成等任务上表现优于同期方法。项目提供预训练模型和测试代码，便于复现与二次开发。

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 ★ 657

技术标签

gan image-generation image-translation

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 90 分钟部署方式：本地GPU 5 步

环境要求

CUDA GPU 11G 显存以上
Python 3.7 与旧版 PyTorch
预训练权重

安装与启动步骤

1拉代码装依赖

官方实现基于旧版 PyTorch，requirements 里版本卡得比较死。
```
git clone https://github.com/ZPdesu/SEAN.git
```
2算风格均值

它需要先把数据集里每类语义区域的风格编码求均值，脚本现成。
```
python calculate_mean_style_code.py
```
3下预训练权重

仓库不含权重，按 README 的链接单独下载三个组件。
4做语义图生图

输入是一张语义分割图加风格参考，输出是符合分割布局的图。
5改成分区编辑

要改局部就改语义图对应区域的颜色编号，不用重训模型。