/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,7 млрд
Размер весов
14,1 ГБ
Лицензия
Apache 2.0
Архитектура
llava_llama · dense
Опубликована
3 дек 2024

TokenFlow-t2i

Генерация текстаТекст → текст3 профессии

TokenFlow-t2i — модель на 6,7 млрд параметров для генерации изображений по текстовым запросам с разрешением 256×256.

720скачиваний за 30 дней1лайквеса обновлены9 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

TokenFlow-t2i — модель из проекта ByteVisionLab для генерации изображений по текстовому описанию. README представляет TokenFlow как унифицированный токенизатор изображений с двумя кодовыми книгами, разделяющими семантические и пиксельные признаки и сохраняющими их согласованность через общий механизм отображения. Репозиторий содержит вариант для преобразования текста в изображение; архитектура в метаданных указана как LlavaLlamaForCausalLM семейства llava_llama, размер — 6,7 млрд параметров, контекст — 4096 токенов.

Модель предназначена для экспериментов и оценки генерации изображений по тексту. В README заявлено сопоставимое с SDXL качество при разрешении 256×256, однако сравнительные результаты приведены без подробностей в карточке. Весы опубликованы в формате safetensors по лицензии Apache-2.0.

Сценарии применения

  • создание изображений по текстовому описанию
  • эксперименты с генерацией изображений через токены изображений
  • оценка качества text-to-image моделей

Ограничения

В README заявлено качество на уровне SDXL при 256×256, но в карточке не приведены подробности оценки. Указания на поддержку конкретных языков отсутствуют.

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

TokenFlow🚀: Unified Image Tokenizer for Multimodal Understanding and Generation

github repo

🌿 Introduction

We present TokenFlow, a unified image tokenizer that bridges the long-standing gap between multimodal understanding and generation. TokenFlow introduce an innovative dual-codebook architecture that decouples semantic and pixel-level feature learning while maintaining their alignment through a shared mapping mechanism.

TokenFlow excels in both multimodal understanding and image generation. For multimodal understanding, we surpass the flagship models such as LLaVA-1.5 and EMU3 by a large margin. For text-to-image generation, we also achieve comparable performance to SDXL in 256×256 resolution.

⚙️ Getting Started

This repo contains the model for text-to-image in TokenFlow. See GETTING_STARTED.md for detailed instructions of training and evaluation of TokenFlow text-to-image.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура llava_llama неизвестна transformers в образе рантайма.

Класс архитектуры
LlavaLlamaForCausalLM
Ревизия весов
7288fa5

0 моделей