Конвертированные в GGUF F16 веса MI-GAN для локального восстановления замаскированных областей изображений.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Acly публикует преобразованные веса модели MI-GAN в формате GGUF F16 для облегчённого запуска на потребительском оборудовании через vision.cpp. Исходная модель разработана Picsart AI Research и предназначена для восстановления областей изображения, отмеченных маской: на вход подаются изображение и маска, на выходе — изображение с заполненными областями.
Модель относится к задаче image-to-image и предназначена для локального инференса. В репозитории приведён вариант MIGAN-512-places2; в README указано, что исходные веса доступны в репозитории проекта и конвертированы для vision.cpp. Лицензия репозитория — MIT.
Для заполнения областей требуется входная маска. Представлен вариант MIGAN-512-places2; README не описывает его применимость к другим типам изображений или разрешениям.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
MI-GAN is a model for image inpainting. The weights in this repository are converted for lightweight inference on consumer hardware with vision.cpp.
Example inference with vision.cpp:
vision-cli migan -m MIGAN-512-places2-F16.gguf -i input.png mask.png -o output.png
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели «картинка → картинка» пока не запускаются.