/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Опубликована
1 ноя 2022

Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1

Генерация изображенийТекст → изображение3 профессии

Двуязычная модель на основе Stable Diffusion v1.4 для генерации изображений по китайским и английским текстовым запросам.

137скачиваний за 30 дней106лайковвеса обновлены25 мая 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

Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1 — модель генерации изображений по тексту от команды IDEA-CCNL из проекта Fengshenbang. Она основана на Stable Diffusion v1.4 и дообучена на отфильтрованных парах изображений с китайскими и английскими описаниями; в README указано, что исходные наборы Noah-Wukong и Zero отбирались по оценке сходства Taiyi-CLIP. Модель рассчитана на создание изображений по китайским и английским запросам, в том числе с указанием художественного стиля.

Обучение проходило в два этапа: сначала настраивался текстовый энкодер, затем совместно дообучались текстовый энкодер и диффузионная модель. Репозиторий содержит веса в форматах Diffusers и PyTorch и использует библиотеку Diffusers. Это предварительная версия модели; README сообщает, что её планировали улучшать. Лицензия — CreativeML OpenRAIL-M.

Сценарии применения

  • создание изображений по китайскому описанию
  • генерация иллюстраций по английскому запросу
  • создание изображений с заданным художественным стилем
  • визуализация сцен и персонажей по текстовому описанию

Ограничения

В README версия названа предварительной, с планами дальнейшего улучшения. Качество генерации может зависеть от формулировки запроса и художественных концепций.

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

Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1

Gradio

We support a Gradio Web UI to run Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1: Open In Spaces

简介 Brief Introduction

首个开源的中英双语Stable Diffusion模型,基于0.2亿筛选过的中文图文对训练。

The first open source Chinese&English Bilingual Stable diffusion, which was trained on 20M filtered Chinese image-text pairs.

模型分类 Model Taxonomy

需求 Demand任务 Task系列 Series模型 Model参数 Parameter额外 Extra
特殊 Special多模态 Multimodal太乙 TaiyiStable Diffusion1BChinese and English

模型信息 Model Information

我们将Noah-Wukong数据集(100M)和Zero数据集(23M)用作预训练的数据集,先用IDEA-CCNL/Taiyi-CLIP-RoBERTa-102M-ViT-L-Chinese对这两个数据集的图文对相似性进行打分,取CLIP Score大于0.2的图文对作为我们的训练集。 我们使用stable-diffusion-v1-4(论文)模型进行继续训练,其中训练分为两个stage。

第一个stage中冻住模型的其他部分,只训练text encoder,以便保留原始模型的生成能力且实现中文概念的对齐。

第二个stage中将全部模型解冻,一起训练text encoder和diffusion model,以便diffusion model更好的适配中文guidance。

第一个stage我们训练了80小时,第二个stage训练了100小时,两个stage都是用了8 x A100。该版本是一个初步的版本,我们将持续优化模型并开源,欢迎交流!

We use Noah-Wukong(100M) 和 Zero(23M) as our dataset, and take the image and text pairs with CLIP Score (based on IDEA-CCNL/Taiyi-CLIP-RoBERTa-102M-ViT-L-Chinese) greater than 0.2 as our Training set. We finetune the stable-diffusion-v1-4(paper) model for two stage.

Stage 1: To keep the powerful generative capability of stable diffusion and align Chinese concepts with the images, We only train the text encoder and freeze other part of the model in the first stage.

Stage 2: We unfreeze both the text encoder and the diffusion model, therefore the diffusion model can have a better compatibility for the Chinese language guidance.

It takes 80 hours to train the first stage, 100 hours to train the second stage, both stages are based on 8 x A100. This model is a preliminary version and we will update this model continuously and open sourse. Welcome to exchange!

Result

小桥流水人家,Van Gogh style。

小桥流水人家,水彩。

吃过桥米线的猫。

穿着宇航服的哈士奇。

使用 Usage

全精度 Full precision

from diffusers import StableDiffusionPipeline

pipe = StableDiffusionPipeline.from_pretrained("IDEA-CCNL/Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1").to("cuda")

prompt = '小桥流水人家,Van Gogh style'
image = pipe(prompt, guidance_scale=10).images[0]  
image.save("小桥.png")

半精度 Half precision FP16 (CUDA)

添加 torch_dtype=torch.float16 和 device_map="auto" 可以快速加载 FP16 的权重,以加快推理速度。 更多信息见 the optimization docs。

# !pip install git+https://github.com/huggingface/accelerate
from diffusers import StableDiffusionPipeline
import torch
torch.backends.cudnn.benchmark = True
pipe = StableDiffusionPipeline.from_pretrained("IDEA-CCNL/Taiyi-Stable-Diffusion-1B-Chinese-EN-v0.1", torch_dtype=torch.float16)
pipe.to('cuda')

prompt = '小桥流水人家,Van Gogh style'
image = pipe(prompt, guidance_scale=10.0).images[0]  
image.save("小桥.png")

怎样微调 How to finetune

可以参考 refer

https://github.com/IDEA-CCNL/Fengshenbang-LM/tree/main/fengshen/examples/finetune_taiyi_stable_diffusion

webui配置 Configure webui

可以参考 refer

https://github.com/IDEA-CCNL/stable-diffusion-webui/blob/master/README.md

DreamBooth

https://github.com/IDEA-CCNL/Fengshenbang-LM/tree/main/fengshen/examples/stable_diffusion_dreambooth

引用 Citation

如果您在您的工作中使用了我们的模型,可以引用我们的总论文:

If you are using the resource for your work, please cite the our paper:

@article{fengshenbang,
  author    = {Jiaxing Zhang and Ruyi Gan and Junjie Wang and Yuxiang Zhang and Lin Zhang and Ping Yang and Xinyu Gao and Ziwei Wu and Xiaoqun Dong and Junqing He and Jianheng Zhuo and Qi Yang and Yongfeng Huang and Xiayu Li and Yanghan Wu and Junyu Lu and Xinyu Zhu and Weifeng Chen and Ting Han and Kunhao Pan and Rui Wang and Hao Wang and Xiaojun Wu and Zhongshen Zeng and Chongpei Chen},
  title     = {Fengshenbang 1.0: Being the Foundation of Chinese Cognitive Intelligence},
  journal   = {CoRR},
  volume    = {abs/2209.02970},
  year      = {2022}
}

也可以引用我们的网站:

You can also cite our website:

@misc{Fengshenbang-LM,
  title={Fengshenbang-LM},
  author={IDEA-CCNL},
  year={2021},
  howpublished={\url{https://github.com/IDEA-CCNL/Fengshenbang-LM}},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
edfde33

0 моделей