Характеристики

Лицензия: CreativeML OpenRAIL-M
Опубликована: 4 янв 2023

Ссылки

Violet-Evergarden-Style

Генерация изображенийТекст → изображение3 профессии

Дообученная методом DreamBooth модель Stable Diffusion генерирует изображения в стиле Violet Evergarden по текстовым запросам.

7скачиваний за 30 дней6лайковвеса обновлены27 янв 2023

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Открыть конструктор бенчмарка

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

Antiraedus создал эту модель на базе Stable Diffusion, дообучив её методом DreamBooth на изображениях стиля Violet Evergarden из собственного набора данных. Она предназначена для генерации изображений по текстовому запросу с использованием концепта «vioeva», например для создания аниме-пейзажей и городов в этом стиле. Модель распространяется в формате Diffusers/PyTorch под лицензией CreativeML OpenRAIL-M.

Автор отмечает, что обучающие изображения были в градациях серого, поэтому результат может быть монохромным. В README не приведены сведения о размере модели или длине контекста.

Сценарии применения

генерация аниме-города в стиле Violet Evergarden
создание иллюстраций с использованием концепта vioeva
генерация стилизованных изображений по текстовому описанию

Ограничения

Автор предупреждает, что обучающие изображения были в градациях серого, поэтому модель может создавать монохромные изображения. Результаты ориентированы на стиль Violet Evergarden.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.10Универсальные способностиВидео, анимация и 3DAI помогает создавать, анализировать и преобразовывать динамический визуальный контент и 3D-сцены.18 задач3 279моделей I.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DreamBooth model for the vioeva concept trained by Antiraedus on the Antiraedus/Violet-Evergarden dataset.

I FORGOT IT WAS GRAYSCALED

This is a Stable Diffusion model fine-tuned on the vioeva concept with DreamBooth. It can be used by modifying the instance_prompt: a photo of a girl in vioeva style

This model was created as part of the DreamBooth Hackathon 🔥. Visit the organisation page for instructions on how to take part!

Description

Violet Evergarden!!!! Dataset is located here

This is a Stable Diffusion model fine-tuned on style images for the wildcard theme.

Examples

"a photo of a beautiful anime city in vioeva style"

Usage

from diffusers import StableDiffusionPipeline

pipeline = StableDiffusionPipeline.from_pretrained('Antiraedus/Violet-Evergarden-Style')
image = pipeline().images[0]
image

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов: c0f2a29