/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
18 июл 2022

ldm-text2im-large-256

Генерация изображенийТекст → изображение3 профессии

Латентная диффузионная модель CompVis для генерации изображений разрешения 256 пикселей по текстовым описаниям.

453скачиваний за 30 дней37лайковвеса обновлены4 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.

  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

CompVis/ldm-text2im-large-256 — модель генерации изображений по текстовому описанию на основе латентной диффузии (LDM), опубликованная командой CompVis. Она использует диффузионный процесс в латентном пространстве предварительно обученного автоэнкодера и механизм cross-attention для связи текста с изображением. Модель предназначена для создания изображений по текстовым запросам; семейство LDM также описано для генерации изображений без условия, семантического синтеза сцен, дорисовки и повышения разрешения.

Репозиторий использует Diffusers и PyTorch; указана лицензия Apache-2.0. В названии модели заявлено разрешение 256 пикселей. README отмечает, что генераторы изображений по тексту могут создавать вредоносное содержимое. Конкретные языки запросов, размер модели и длина контекста в предоставленных данных не указаны.

Сценарии применения

  • создание изображений по текстовому запросу
  • визуализация идей и описанных сцен
  • генерация иллюстраций по краткому описанию

Ограничения

Модель может генерировать вредоносное содержимое. Предоставленные материалы не подтверждают качество для конкретных языков запросов.

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

High-Resolution Image Synthesis with Latent Diffusion Models (LDM)

Paper: High-Resolution Image Synthesis with Latent Diffusion Models (LDM)s

Abstract:

By decomposing the image formation process into a sequential application of denoising autoencoders, diffusion models (DMs) achieve state-of-the-art synthesis results on image data and beyond. Additionally, their formulation allows for a guiding mechanism to control the image generation process without retraining. However, since these models typically operate directly in pixel space, optimization of powerful DMs often consumes hundreds of GPU days and inference is expensive due to sequential evaluations. To enable DM training on limited computational resources while retaining their quality and flexibility, we apply them in the latent space of powerful pretrained autoencoders. In contrast to previous work, training diffusion models on such a representation allows for the first time to reach a near-optimal point between complexity reduction and detail preservation, greatly boosting visual fidelity. By introducing cross-attention layers into the model architecture, we turn diffusion models into powerful and flexible generators for general conditioning inputs such as text or bounding boxes and high-resolution synthesis becomes possible in a convolutional manner. Our latent diffusion models (LDMs) achieve a new state of the art for image inpainting and highly competitive performance on various tasks, including unconditional image generation, semantic scene synthesis, and super-resolution, while significantly reducing computational requirements compared to pixel-based DMs.

Safety

Please note that text-to-image models are known to at times produce harmful content. Please raise any concerns you may have.

Usage

# !pip install diffusers transformers
from diffusers import DiffusionPipeline

model_id = "CompVis/ldm-text2im-large-256"

# load model and scheduler
ldm = DiffusionPipeline.from_pretrained(model_id)

# run pipeline in inference (sample random noise and denoise)
prompt = "A painting of a squirrel eating a burger"
images = ldm([prompt], num_inference_steps=50, eta=0.3, guidance_scale=6).images

# save images
for idx, image in enumerate(images):
    image.save(f"squirrel-{idx}.png")

Demo

Hugging Face Spaces

Samples

  1. sample_0
  2. sample_1
  3. sample_2
  4. sample_3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
30de525

0 моделей