/ Модель

Характеристики

Лицензия
OpenRAIL++
Библиотека
diffusers
Опубликована
25 мар 2024

sdxs-512-0.9

Генерация изображенийТекст → изображение3 профессии

SDXS-512-0.9 — экспериментальная версия модели быстрого создания изображений по текстовым описаниям в один шаг диффузии.

768скачиваний за 30 дней110лайковвеса обновлены13 апр 2024

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

SDXS-512-0.9 — модель генерации изображений по текстовому описанию, выпущенная авторами исследования SDXS. Она предназначена для быстрого создания изображений в один шаг диффузии. Модель обучалась с применением дистилляции по оценкам и сопоставления признаков; в качестве учителя использовалась SD Turbo, а также указаны SD v2.1 base и TAESD для декодирования изображений.

Это версия 0.9 семейства SDXS-512, распространяемая через библиотеку Diffusers в форматах PyTorch и safetensors. Авторы называют её устаревшей и рекомендуют более новую SDXS-512-DreamShaper, отмечая у неё более высокое качество и скорость. Для этой версии указана лицензия OpenRAIL++.

Качество деталей может уступать версии 1.0: модель не проходила упомянутую авторами донастройку LoRA-GAN. TAESD может давать изображения низкого качества при использовании весов float16. Декодер изображений авторов несовместим с текущей версией Diffusers и не предоставляется.

Сценарии применения

  • быстрое создание иллюстраций по текстовому описанию
  • генерация концепт-артов для черновой визуализации идей
  • создание изображений для прототипов и макетов
  • эксперименты с одноступенчатой диффузионной генерацией

Ограничения

Авторы отмечают, что эта старая версия уступает более новой SDXS-512-DreamShaper по качеству и скорости; детализация может быть хуже из-за отсутствия донастройки LoRA-GAN. TAESD может снижать качество при float16, а авторский декодер несовместим с текущей версией Diffusers.

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

News

Use the new version for community: SDXS-512-DreamShaper. It has better quality and is faster.

SDXS-512-0.9

SDXS is a model that can generate high-resolution images in real-time based on prompt texts, trained using score distillation and feature matching. For more information, please refer to our research paper: SDXS: Real-Time One-Step Latent Diffusion Models with Image Conditions. We open-source the model as part of the research.

SDXS-512-0.9 is a old version of SDXS-512. In order to avoid some possible commercial and copyright risks, the SDXS-512-1.0 and SDXS-1024-1.0 will not be available shortly, and as an alternative we will provide new versions with different teacher DM or offline DM. Watch our repo for any updates.

Model Information:

The main differences between this model and version 1.0 are in three aspects:

  1. This version employs TAESD, which may produce low-quality images when weight_type is float16. Our image decoder is not compatible with the current version of diffusers, so it will not be provided now.
  2. This version did not perform the LoRA-GAN finetune mentioned in the implementation details section, which may result in slightly inferior image details.
  3. This version replaces self-attention with cross-attention in the highest resolution stages, which introduces minimal overhead compared to directly removing them.

Diffusers Usage

import torch
from diffusers import StableDiffusionPipeline, AutoencoderKL

repo = "IDKiro/sdxs-512-0.9"
seed = 42
weight_type = torch.float32     # or float16

# Load model.
pipe = StableDiffusionPipeline.from_pretrained(repo, torch_dtype=weight_type)

# use original VAE
# pipe.vae = AutoencoderKL.from_pretrained("IDKiro/sdxs-512-0.9/vae_large")
 
pipe.to("cuda")

prompt = "portrait photo of a girl, photograph, highly detailed face, depth of field, moody light, golden hour"

# Ensure using 1 inference step and CFG set to 0.
image = pipe(
    prompt, 
    num_inference_steps=1, 
    guidance_scale=0,
    generator=torch.Generator(device="cuda").manual_seed(seed)
).images[0]

image.save("output.png")

Cite Our Work

@article{song2024sdxs,
  author    = {Yuda Song, Zehao Sun, Xuanwu Yin},
  title     = {SDXS: Real-Time One-Step Latent Diffusion Models with Image Conditions},
  journal   = {arxiv},
  year      = {2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
c332f05

0 моделей