/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
FLUX.1-dev
Библиотека
diffusers
Опубликована
14 авг 2024

FLUX.1-dev-IP-Adapter

Генерация изображенийТекст → изображение3 профессии

FLUX.1-dev-IP-Adapter — адаптер IP-Adapter для генеративной модели FLUX.1-dev, разработанный командой InstantX.

8 031скачиваний за 30 дней334лайкавеса обновлены23 ноя 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

Он предназначен для генерации изображений по текстовому описанию с использованием референсного изображения, которое подаётся в модель как дополнительный источник визуальной информации. Адаптер можно применять в сценариях управляемой генерации и комбинирования текстовых и визуальных условий; поддерживаются интеграции через локальные файлы проекта и ComfyUI-IPAdapter-Flux.

В архитектуре добавлены новые слои в 38 одиночных и 19 двойных блоках FLUX.1-dev. Для кодирования изображений используется google/siglip-so400m-patch14-384, а для проекции признаков — MLPProjModel из двух линейных слоёв. Число токенов изображения составляет 128. Выпущенная версия обучена на открытом наборе данных объёмом 10 миллионов примеров с размером батча 128 и выполнением 80 000 шагов обучения. Базовая модель — black-forest-labs/FLUX.1-dev; в метаданных указан английский язык.

Адаптер поддерживает работу с референсными изображениями, но не предназначен для тонкого переноса стиля или обеспечения постоянства персонажа. Возможен компромисс между утечкой содержания исходного изображения и переносом стиля, а для получения приемлемого результата могут потребоваться несколько попыток. Авторы также отмечают ограниченное разнообразие текущей версии и невозможность охватить некоторые стили и концепции. На момент публикации код ещё не интегрирован в diffusers и требует использования локальных файлов проекта. Модель распространяется по лицензии flux-1-dev-non-commercial-license; коммерческое использование ограничено условиями этой лицензии.

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

FLUX.1-dev-IP-Adapter

This repository contains a IP-Adapter for FLUX.1-dev model released by researchers from InstantX Team, where image work just like text, so it may not be responsive or interfere with other text, but we do hope you enjoy this model, have fun and share your creative works with us on Twitter.

Model Card

This is a regular IP-Adapter, where the new layers are added into 38 single and 19 double blocks. We use google/siglip-so400m-patch14-384 to encode image for its superior performance, and adopt a simple MLPProjModel of 2 linear layers to project. The image token number is set to 128. The currently released model is trained on the 10M open source dataset with a batch size of 128 and 80K training steps.

Showcases

Showcases (LoRA)

We adopt Shakker-Labs/FLUX.1-dev-LoRA-collections as a character LoRA and use its default prompt.

Inference

The code has not been integrated into diffusers yet, please use our local files at this moment.

import os
from PIL import Image

import torch
import torch.nn as nn

from pipeline_flux_ipa import FluxPipeline
from transformer_flux import FluxTransformer2DModel
from attention_processor import IPAFluxAttnProcessor2_0
from transformers import AutoProcessor, SiglipVisionModel

from infer_flux_ipa_siglip import resize_img, MLPProjModel, IPAdapter

image_encoder_path = "google/siglip-so400m-patch14-384"
ipadapter_path = "./ip-adapter.bin"
    
transformer = FluxTransformer2DModel.from_pretrained(
    "black-forest-labs/FLUX.1-dev", subfolder="transformer", torch_dtype=torch.bfloat16
)

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev", transformer=transformer, torch_dtype=torch.bfloat16
)

ip_model = IPAdapter(pipe, image_encoder_path, ipadapter_path, device="cuda", num_tokens=128)

image_dir = "./assets/images/2.jpg"
image_name = image_dir.split("/")[-1]
image = Image.open(image_dir).convert("RGB")
image = resize_img(image)

prompt = "a young girl"
    
images = ip_model.generate(
    pil_image=image, 
    prompt=prompt,
    scale=0.7,
    width=960, height=1280,
    seed=42
)

images[0].save(f"results/{image_name}")

ComfyUI

Please refer to ComfyUI-IPAdapter-Flux.

Online Inference

You can also enjoy this model at Shakker AI.

Limitations

This model supports image reference, but is not for fine-grained style transfer or character consistency, which means that there exists a trade-off between content leakage and style transfer. We don't find similar properties in FLUX.1-dev (DiT-based) as in InstantStyle (UNet-based). It may take several attempts to get satisfied results. Furthermore, current released model may suffer from limited diversity, thus cannot cover some styles or concepts,

License

The model is released under flux-1-dev-non-commercial-license. All copyright reserved.

Acknowledgements

This project is sponsored by HuggingFace, fal.ai and Shakker Labs.

Citation

If you find this project useful in your research, please cite us via

@misc{flux-ipa,
    author = {InstantX Team},
    title = {InstantX FLUX.1-dev IP-Adapter Page},
    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
e44c6d8

0 моделей