Характеристики

Лицензия: Apache 2.0
Опубликована: 28 июн 2026

Ссылки

Hugging Face

NanoDiffusion-46M-1k

FlameF0X

Генерация изображенийТекст → изображение3 профессии

Компактный UNet латентной диффузии для экспериментальной генерации изображений 256 пикселей по тексту.

14скачиваний за 30 дней0лайковвеса обновлены28 июн 2026

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

NanoDiffusion-46M-1k — компактная модель генерации изображений по тексту от FlameF0X. Это UNet примерно на 46 млн параметров, обученный с нуля для латентной диффузии: он работает с латентами размером 32×32, соответствующими изображениям 256 пикселей, и использует замороженные VAE и текстовый энкодер CLIP ViT-L/14 из Stable Diffusion 1.5. В UNet используются базовое число каналов 128, множители каналов (1, 2, 3, 4), по два residual-блока на уровень и cross-attention для текстового условия.

Модель предназначена для экспериментальной генерации изображений по коротким текстовым запросам. Она обучена с нуля на наборе BitTranslate/Bittensor_subnet_19_06_04_24 в течение 1000 шагов. Компактный размер и разрешение 256 пикселей подходят для демонстраций и изучения латентной диффузии, но короткое обучение ограничивает качество, разнообразие и следование запросу. Лицензия — Apache-2.0.

Сценарии применения

создание небольших изображений по текстовому описанию
эксперименты с латентной диффузией
демонстрация генерации изображений с текстовым условием

Ограничения

Модель обучалась всего 1000 шагов и генерирует изображения с разрешением 256 пикселей, поэтому качество и следование сложным запросам могут быть ограничены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mini Latent Diffusion Model

A ~46M parameter UNet trained from scratch for text-to-image generation in latent space (SD VAE + CLIP text encoder, both frozen).

Dataset: BitTranslate/Bittensor_subnet_19_06_04_24
Trained steps: 1000
Image size: 256px → 32×32 latents

Architecture

UNet base channels: 128
Channel multipliers: (1, 2, 3, 4)
Res blocks per level: 2
Cross-attention (text conditioning): latent res (8,)
VAE (frozen): runwayml/stable-diffusion-v1-5 vae subfolder
Text encoder (frozen): CLIP ViT-L/14 from runwayml/stable-diffusion-v1-5

Inference

from train_mini_ldm import generate
imgs = generate("a sunset over the ocean", "./mini_ldm_output/final")

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов: f78d575