/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
20 июн 2024

Lumina-Next-SFT-diffusers

Генерация изображенийТекст → изображение3 профессии

Lumina-Next-SFT — модель на базе Next-DiT для генерации изображений по текстовым описаниям.

176скачиваний за 30 дней27лайковвеса обновлены8 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

Lumina-Next-SFT — модель генерации изображений по текстовому описанию от разработчиков Lumina-T2X. Её архитектура включает генератор Next-DiT с 2 млрд параметров, текстовый энкодер Gemma-2B и VAE на основе версии SDXL от Stability AI. Модель обучена методом supervised fine-tuning с использованием высококачественных данных; в метаданных указан датасет JourneyDB.

Модель предназначена для создания изображений по текстовым запросам. В README заявлена генерация с разрешением 1024 пикселя, а для семейства Lumina-Next-T2I упоминается поддержка разрешения до 2K. Репозиторий использует библиотеку Diffusers и формат safetensors. Лицензия — Apache-2.0. Карточка не описывает языковой охват запросов и ограничения качества, поэтому эти характеристики здесь не уточняются.

Сценарии применения

  • создание иллюстраций по текстовому запросу
  • генерация изображений для концепт-арта
  • подготовка изображений для творческих проектов
  • создание визуальных вариантов по описанию сцены

Ограничения

В карточке не приведены сведения о поддерживаемых языках запросов и качестве генерации в разных сценариях. Разрешение 2K упоминается для Lumina-Next-T2I; README не подтверждает его отдельно для этого SFT-чекпойнта.

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

Lumina-Next-SFT

The Lumina-Next-SFT is a Next-DiT model containing 2B parameters and utilizes Gemma-2B as the text encoder, enhanced through high-quality supervised fine-tuning (SFT).

Our generative model has Next-DiT as the backbone, the text encoder is the Gemma 2B model, and the VAE uses a version of sdxl fine-tuned by stabilityai.

Lumina-Next Lumina-T2X paper

hero

📰 News

  • [2024-07-08] 🎉🎉🎉 Lumina-Next is now supported in the diffusers! Thanks to @yiyixuxu and @sayakpaul!

  • [2024-06-08] 🎉🎉🎉 We have released the Lumina-Next-SFT model.

  • [2024-05-28] We updated the Lumina-Next-T2I model to support 2K Resolution image generation.

  • [2024-05-16] We have converted the .pth weights to .safetensors weights. Please pull the latest code to use demo.py for inference.

  • [2024-05-12] We release the next version of Lumina-T2I, called Lumina-Next-T2I for faster and lower memory usage image generation model.

🎮 Model Zoo

More checkpoints of our model will be released soon~

ResolutionNext-DiT ParameterText EncoderPredictionDownload URL
10242BGemma-2BRectified Flowhugging face

Installation

1. Create a conda environment and install PyTorch

Note: You may want to adjust the CUDA version according to your driver version.

conda create -n Lumina_T2X -y
conda activate Lumina_T2X
conda install python=3.11 pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia -y

2. Install dependencies

pip install diffusers huggingface_hub

3. Install flash-attn

pip install flash-attn --no-build-isolation

Inference

  1. Prepare the pre-trained model

⭐⭐ (Recommended) you can use huggingface_cli to download our model:

huggingface-cli download --resume-download Alpha-VLLM/Lumina-Next-SFT-diffusers --local-dir /path/to/ckpt
  1. Run with demo code:
from diffusers import LuminaText2ImgPipeline
import torch

pipeline = LuminaText2ImgPipeline.from_pretrained("/path/to/ckpt/Lumina-Next-SFT-diffusers", torch_dtype=torch.bfloat16).to("cuda")

# or you can download the model using code directly
# pipeline = LuminaText2ImgPipeline.from_pretrained("Alpha-VLLM/Lumina-Next-SFT-diffusers", torch_dtype=torch.bfloat16).to("cuda")

image = pipeline(prompt="Upper body of a young woman in a Victorian-era outfit with brass goggles and leather straps. "
                        "Background shows an industrial revolution cityscape with smoky skies and tall, metal structures").images[0]

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
0ee5ec9

0 моделей