SEAN

拖拽语义图，逐区域控制生成图像的风格与内容

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。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 656

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ZPdesu

所属国家

官网地址https://zpdesu.github.io/SEAN

GitHubhttps://github.com/ZPdesu/SEAN

定价模式free

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

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★ 656

30天Star增速

HF 下载量

上线时间2020-03-19 00:00:00

最近更新2026-04-13 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

区域级风格控制，可独立编辑头发、眼睛等局部属性
CVPR 2020 Oral 论文官方实现，方法有学术背书
提供预训练模型，开箱即用进行人脸编辑演示

不足之处

代码和依赖较老，可能难以适配新版 PyTorch/CUDA
文档偏学术，缺少详细的 API 使用说明和社区教程

适用场景

人脸属性编辑，如换发色、改表情、调肤色
基于语义布局的街景或室内场景生成
研究语义感知的图像生成与归一化方法

替代项目

SPADE (GauGAN)、CycleGAN、StarGAN v2

项目介绍

SEAN 是图像领域的开源项目，由 ZPdesu 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 656。

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 2026-04-13。代码公开，可自行部署使用，完全免费。

它主要面向的使用场景是：人脸属性编辑，如换发色、改表情、调肤色。同类可对比的替代方案包括 SPADE (GauGAN)、CycleGAN、StarGAN v2。

上一篇：alis

下一篇：F2GAN-Few-Shot-Image-Generation