/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Библиотека
diffusers
Опубликована
30 дек 2023

AstolfoMix-SD2

Генерация изображенийТекст → изображение3 профессии

Слитая на основе Stable Diffusion 2.1 модель для генерации аниме-ориентированных изображений по текстовым запросам.

73скачиваний за 30 дней1лайквеса обновлены2 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AstolfoMix-SD2 — модель генерации изображений по текстовому описанию, созданная сообществом 6DammK9 на основе Stable Diffusion 2.1. Автор публикует варианты Baseline, Extended, Reinforced и 210b; описанная версия 210b объединяет варианты Extended и Reinforced. В README указано, что при сборке использованы слияния нескольких UNet и CLIP-компонентов, а также VAE для аниме-изображений.

Модель предназначена для создания иллюстраций по текстовым запросам, в частности для более точного воспроизведения заданных персонажей и их внешности. Автор рекомендует CFG 6.0. Карточка указывает формат Diffusers/PyTorch и веса Safetensors, а также лицензию CreativeML OpenRAIL-M.

Автор характеризует результат как экспериментальный proof of concept и отмечает, что качество может быть невысоким. README также предупреждает, что параметры предварительных изображений могли быть неоптимальны; встроенный VAE и VAE, используемый в WebUI, различаются.

Сценарии применения

  • создание аниме-иллюстраций по текстовому описанию
  • генерация изображений с заданными персонажами
  • визуализация внешности персонажа по промпту

Ограничения

Автор описывает модель как proof of concept и предупреждает, что качество может быть невысоким. Результаты зависят от параметров генерации и выбранного VAE.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AstolfoMix-SD2 (Baseline / Extended / Reinforced / 210b)

"210b"

  • Special case of "Add difference". Merge of "Extended" and "Reinforced".

  • 12 UNETs with 4 CLIPs.

  • Current version: 210b-AstolfoMix-211209b.safetensors

  • Recommended version: "210b"

  • Recommended CFG: 6.0

240240-802596570-1536-864-6-192-20240114013047.jpg

parameters
(aesthetic:0), (quality:0), (solo:0), (anime:0), (boy:0), (construction helmet:0.98), [[jeans]], [[braid]], [astolfo], [[new york]]
Negative prompt: (worst:0), (low:0), (bad:0), (exceptional:0), (masterpiece:0), (comic:0), (extra:0), (lowres:0), (photorealisitc:0)
Steps: 192, Sampler: Euler, CFG scale: 6, Seed: 802596570, Size: 1024x576, Model hash: 13696ee702, Model: 210b-AstolfoMix-211209b, VAE hash: df3c506e51, VAE: vae-ft-mse-840000-ema-pruned.ckpt, Denoising strength: 0.7, Clip skip: 2, FreeU Stages: "[{\"backbone_factor\": 1.1, \"skip_factor\": 0.9}, {\"backbone_factor\": 1.2, \"skip_factor\": 0.2}]", FreeU Schedule: "0.0, 1.0, 0.0", FreeU Version: 2, Hires upscale: 1.5, Hires upscaler: Latent, Dynamic thresholding enabled: True, Mimic scale: 1, Separate Feature Channels: False, Scaling Startpoint: MEAN, Variability Measure: AD, Interpolate Phi: 0.3, Threshold percentile: 100, Version: v1.7.0

Reinforced

  • Using AutoMBW (bayesian merger but less powerful) for 10 models.

  • Current version: 209b-AstolfoMix-207b_208b.safetensors

  • Recommended version: "209b"

  • Recommended CFG: 6.0

240126-372021954-1536-864-6-256-20240111000506.jpg

parameters
(aesthetic:0), (quality:0), (anime:0), (race queen:0.98), [[braid]], [[bulge]], [astolfo], [[[[nascar, nurburgring]]]]
Negative prompt: (worst:0), (low:0), (bad:0), (exceptional:0), (masterpiece:0), (comic:0), (extra:0), (lowres:0), (photorealisitc:0), (breasts:0.5)
Steps: 256, Sampler: Euler, CFG scale: 6, Seed: 372021954, Size: 1024x576, Model hash: 510ede6f03, Model: 209b-AstolfoMix-207b_208b, VAE hash: df3c506e51, VAE: vae-ft-mse-840000-ema-pruned.ckpt, Denoising strength: 0.7, Clip skip: 2, FreeU Stages: "[{\"backbone_factor\": 1.1, \"skip_factor\": 0.9}, {\"backbone_factor\": 1.2, \"skip_factor\": 0.2}]", FreeU Schedule: "0.0, 1.0, 0.0", FreeU Version: 2, Hires upscale: 1.5, Hires steps: 64, Hires upscaler: Latent, Dynamic thresholding enabled: True, Mimic scale: 1, Separate Feature Channels: False, Scaling Startpoint: MEAN, Variability Measure: AD, Interpolate Phi: 0.3, Threshold percentile: 100, Version: v1.7.0

Baseline

  • Uniform merge of 10 UNETs and 4 CLIPs.

  • Current version: 209-AstolfoMix-207208-203te.safetensors

  • Recommended version: "209-203te"

  • Recommended CFG: 6.0

  • Prompt is slightly changed from SD1 (anime / photorealistic).

  • Intermediate models will be omitted. This time I'm not merged in sequence, therefore it is not meaningful to show the unuseable models.

231236-802596511-1536-864-6-256-20231231171716.png

parameters

(aesthetic:0), (quality:0), (anime:0), (solo:0), (boy:0), [niqab], [[hijab]], [astolfo], [[afghanistan]]
Negative prompt: (worst:0), (low:0), (bad:0), (exceptional:0), (masterpiece:0), (comic:0), (extra:0), (lowres:0), (photorealisitc:0)
Steps: 256, Sampler: Euler, CFG scale: 6, Seed: 802596511, Size: 1024x576, Model hash: a85153fd84, Model: 209-AstolfoMix-207208-203te, VAE hash: df3c506e51, VAE: vae-ft-mse-840000-ema-pruned.ckpt, Denoising strength: 0.7, Clip skip: 2, FreeU Stages: "[{\"backbone_factor\": 1.1, \"skip_factor\": 0.9}, {\"backbone_factor\": 1.2, \"skip_factor\": 0.2}]", FreeU Schedule: "0.0, 1.0, 0.0", FreeU Version: 2, Hires upscale: 1.5, Hires steps: 64, Hires upscaler: Latent, Dynamic thresholding enabled: True, Mimic scale: 1, Separate Feature Channels: False, Scaling Startpoint: MEAN, Variability Measure: AD, Interpolate Phi: 0.3, Threshold percentile: 100, Version: v1.7.0

Major difference of methodology

  • Model selection. NP Hard. Still 12 UNETs, but filtered from 24 models found. Most models are unuseable with its UNET / CLIP / VAE combo.

  • This time the CLIP is a merge of 4 CLIPS instead of the original SD CLIP. I thought the SD2.1's CLIP is bad in performance, but in fact it is still decent, but I found some more useful and merge them together.

  • Builtin VAE will be kl-f8-anime2.ckpt. But I'm still using vae-ft-mse-840000-ema-pruned.ckpt for WebUI. Choose what you want.

  • Minimal idea will be "Replicant-V3 UNET + WD1.5B3 CLIP". The merge ratio made me find more SD2 models in a sophisticated way.

Receipe

IndexModel name (with URL)UNET used?CLIP used?
_201AllWorkForkRowk
_202Artius V2.1 NSFWY
_203E621 Rising v2
_204hakoMayDY
_205Illuminati Diffusion v1.1
_206Mishi AnimeY(a)
_207NijiDiffusion
_208Plat Diffusion v1.3.1
_209PVC v4
_210Quattro4Merge+iY
_211Replicant-V3.0Y
_212Pony Diffusion
_213Cool Japan Diffusion 2.1.2Y
_214WD 1.5 Beta 2
_215WD 1.5 Beta 3Y
_216YiffAI
_217Stable Diffusion v2-1Y
_218RuminationDiffusionY
_219Scream-SemiRealisticY
_220Realgar-v2.1YY
_221RheaSilviaY
_222MuaccaMixY
_223hakoMayBoyY
_224HurricaneY(a)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
80e8ca8

0 моделей