/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
17 дек 2024

nova-d48w1536-sdxl1024

Генерация изображенийТекст → изображение3 профессии

Модель BAAI NOVA создаёт и изменяет изображения по текстовым запросам в разрешении 1024×1024.

18скачиваний за 30 дней8лайковвеса обновлены21 дек 2024

Бенчмарки

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

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

NOVA d48w1536-sdxl1024 — модель генерации изображений по тексту, разработанная BAAI. Это авторегрессионная модель NOVA на основе диффузии, использующая текстовый энкодер Phi-2 и токенизатор изображений SDXL-VAE. Размер модели — 1,4 млрд параметров, точность — FP16; целевое разрешение генерации — 1024×1024 пикселя.

Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для творческих и образовательных инструментов, дизайна и изучения генеративных моделей. Распространяется в формате Diffusers и Safetensors по лицензии Apache 2.0.

Ограничения включают потери при автоэнкодировании, трудности с генерацией сложного читаемого текста, несовершенный фотореализм и ошибки в изображении пальцев. Обучающие данные включали контент для взрослых, насилие и сексуальные материалы; модель может воспроизводить предвзятость. Она не предназначена для достоверного изображения людей или событий.

Сценарии применения

  • создание иллюстраций по текстовому описанию
  • подготовка концепт-артов и дизайн-макетов
  • генерация изображений для творческих и образовательных инструментов
  • эксперименты с авторегрессионной генерацией изображений
  • изучение ограничений и предвзятости генеративных моделей

Ограничения

Модель с трудом создаёт сложный читаемый текст, не обеспечивает идеальный фотореализм и может ошибаться в деталях, например при изображении пальцев. Обучающие данные содержали взрослый, сексуальный и насильственный контент; модель может отражать предвзятость и не предназначена для достоверного изображения людей или событий.

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

NOVA (d48w1536-sdxl1024) Model Card

Model Details

  • Developed by: BAAI
  • Model type: Non-quantized Autoregressive Text-to-Image Generation Model
  • Model size: 1.4B
  • Model precision: torch.float16 (FP16)
  • Model resolution: 1024x1024
  • Model Description: This is a model that can be used to generate and modify images based on text prompts. It is a Non-quantized Video Autoregressive (NOVA) diffusion model that uses a pretrained text encoder (Phi-2) and one VAE image tokenizer (SDXL-VAE).
  • Model License: Apache 2.0 License
  • Resources for more information: GitHub Repository.

Examples

Using the 🤗's Diffusers library to run NOVA in a simple and efficient manner.

pip install diffusers transformers accelerate
pip install git+ssh://git@github.com/baaivision/NOVA.git

Running the pipeline:

import torch
from diffnext.pipelines import NOVAPipeline

model_id = "BAAI/nova-d48w1536-sdxl1024"
model_args = {"torch_dtype": torch.float16, "trust_remote_code": True}
pipe = NOVAPipeline.from_pretrained(model_id, **model_args)
pipe = pipe.to("cuda")

prompt = "a shiba inu wearing a beret and black turtleneck."
image = pipe(prompt).images[0]
    
image.save("shiba_inu.jpg")

Uses

Direct Use

The model is intended for research purposes only. Possible research areas and tasks include

  • Research on generative models.
  • Applications in educational or creative tools.
  • Generation of artworks and use in design and other artistic processes.
  • Probing and understanding the limitations and biases of generative models.
  • Safe deployment of models which have the potential to generate harmful content.

Excluded uses are described below.

Out-of-Scope Use

The model was not trained to be factual or true representations of people or events, and therefore using the model to generate such content is out-of-scope for the abilities of this model.

Misuse and Malicious Use

Using the model to generate content that is cruel to individuals is a misuse of this model. This includes, but is not limited to:

  • Mis- and disinformation.
  • Representations of egregious violence and gore.
  • Impersonating individuals without their consent.
  • Sexual content without consent of the people who might see it.
  • Sharing of copyrighted or licensed material in violation of its terms of use.
  • Intentionally promoting or propagating discriminatory content or harmful stereotypes.
  • Sharing content that is an alteration of copyrighted or licensed material in violation of its terms of use.
  • Generating demeaning, dehumanizing, or otherwise harmful representations of people or their environments, cultures, religions, etc.

Limitations and Bias

Limitations

  • The autoencoding part of the model is lossy.
  • The model cannot render complex legible text.
  • The model does not achieve perfect photorealism.
  • The fingers, .etc in general may not be generated properly.
  • The model was trained on a subset of the web datasets LAION-5B and COYO-700M, which contains adult, violent and sexual content.

Bias

While the capabilities of image generation models are impressive, they can also reinforce or exacerbate social biases.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Пайплайн NOVAPipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
76baa2f

0 моделей