/ Модель

Характеристики

Лицензия
MIT
Опубликована
7 июл 2026

DiffuMT

Преобразование изображенийИзображение, текст → изображение3 профессии

DiffuMT создаёт синтетические изображения микротрубочек IRM размером 256×256 по бинарным сегментационным маскам.

35скачиваний за 30 дней0лайковвеса обновлены7 июл 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

DiffuMT — это дообученная модель диффузии для создания синтетических изображений микротрубочек по бинарной сегментационной маске. Модель разработана мастерской HTW-KI-Werkstatt на основе mask-conditioned DDPM из работы Konz et al. (2024) и предназначена для изображений, полученных методом интерференционной рефлексионной микроскопии (IRM). Она использует 2D U-Net из библиотеки diffusers и формирует RGB-изображения размером 256×256 пикселей.

Для генерации применяется детерминированное DDIM-сэмплирование за 50 шагов; разнообразие результатов обеспечивается разными начальными шумовыми векторами. Контрольная точка эпохи 290 выбрана по показателям реалистичности, разнообразия и соответствия распределения цветов; в README отмечено, что более позднее обучение приводит к коллапсу режимов. Маски необходимо подавать в масштабе {0, 1/255}, иначе усиленный сигнал кондиционирования ухудшает результат. Модель распространяется по лицензии MIT.

Сценарии применения

  • генерация синтетических IRM-изображений микротрубочек по сегментационным маскам
  • создание обучающих примеров для анализа микротрубочек
  • визуальная проверка сегментационных масок микроскопических изображений

Ограничения

Модель рассчитана на изображения IRM микротрубочек размером 256×256 и маски, поданные в масштабе {0, 1/255}; маска в диапазоне {0, 1} может привести к тёмным, зернистым и окрашенным в пурпурный цвет результатам. Поздние эпохи обучения подвержены коллапсу режимов.

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

DiffuMT — Mask-Conditioned Diffusion Model for IRM Microtubule Images

This is the diagnostic-selected checkpoint (epoch 290) of a mask-conditioned DDPM (Konz et al., 2024) fine-tuned on IRM (interference reflection microscopy) microtubule images. The model generates realistic 256×256 synthetic microtubule images conditioned on a binary segmentation mask.

The checkpoint was selected using the three-axis diagnostic from the paper "Diagnosing Diversity Collapse and Validating Mask-Conditioned Diffusion for Labeled Microtubule Microscopy" (under review). Epoch 290 maximises the geometric mean of DINOv2 inter-similarity (realism), intra-diversity (collapse detector), and CIELAB color distribution match — before the model enters the late mode-collapse phase visible at epoch 400.

Quick start

import torch
from diffusers import UNet2DModel, DDIMScheduler

device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu"

# Weights are cached after the first download (~455 MB)
unet = UNet2DModel.from_pretrained("HTW-KI-Werkstatt/DiffuMT", subfolder="unet").to(device)
scheduler = DDIMScheduler.from_pretrained("HTW-KI-Werkstatt/DiffuMT", subfolder="scheduler")
scheduler.set_timesteps(50)

See the full sampling walkthrough in notebooks/01_sampling_demo.ipynb in the DiffuMT source repo.

Critical: mask conditioning scale

The model was trained with segmentation masks scaled to {0, 1/255} — not {0, 1}. Feeding a binary {0, 1} mask is a 255× stronger conditioning signal and pushes the model out of distribution (dark, grainy, magenta-tinted output). Always apply ScaleSeg from utils.py:

from torchvision import transforms

def scale_seg(tensor):
    return (tensor > 0).float() / 255.0

seg_transform = transforms.Compose([
    transforms.ToTensor(),  # PNG {0,255} → float [0,1]
    scale_seg,              # → {0, 1/255}
])
seg = seg_transform(mask_pil).unsqueeze(0).to(device)  # (1,1,H,W)

Sampling

DDIM with η=0 (deterministic reverse process, 50 steps). Diversity comes from different random initial noise vectors x_T, not stochastic steps:

import torch, numpy as np
from PIL import Image

def sample(unet, scheduler, seg, seed=42, steps=50):
    scheduler.set_timesteps(steps)
    gen = torch.Generator(device=device).manual_seed(seed)
    x = torch.randn((1, 3, 256, 256), generator=gen, device=device)
    with torch.no_grad():
        for t in scheduler.timesteps:
            noise_pred = unet(torch.cat([x, seg], dim=1), t).sample
            x = scheduler.step(noise_pred, t, x).prev_sample
    arr = (x / 2 + 0.5).clamp(0, 1)
    arr = (arr[0].cpu().permute(1, 2, 0).numpy() * 255).astype(np.uint8)
    return Image.fromarray(arr)

image = sample(unet, scheduler, seg)

Model details

PropertyValue
Architecture2D U-Net (UNet2DModel, diffusers)
Input channels4 (3 RGB + 1 mask)
Image size256 × 256
SchedulerDDIMScheduler (linear β schedule)
Selected epoch290
Training epochs1000 (early-stopped by diagnostic)
Offset noise✓ (matches IRM brightness distribution)
Parameters~113M

Dataset

The DiffuMT dataset (2800 mask/real/synthetic triplets) generated with this checkpoint is at HTW-KI-Werkstatt/DiffuMT.

Interactive demo

Draw a binary mask in the browser and watch DDIM sampling step by step: DiffuMT project page

Citation

@inproceedings{konz2024segguideddiffusion,
  title     = {Anatomically-Controllable Medical Image Generation with
               Segmentation-Guided Diffusion Models},
  author    = {Nicholas Konz and Yuwen Chen and Haoyu Dong and Maciej A. Mazurowski},
  booktitle = {MICCAI},
  year      = {2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
0ca0c0b

0 моделей