/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
stable-diffusion-3.5-large
Библиотека
diffusers
Опубликована
7 ноя 2024

SD3.5-Large-IP-Adapter

Генерация изображенийТекст → изображение3 профессии

InstantX/SD3.5-Large-IP-Adapter — адаптер IP-Adapter для модели Stable Diffusion 3.5 Large, разработанный командой InstantX.

1 266скачиваний за 30 дней118лайковвеса обновлены6 дек 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 дополнительным управлением на основе референсного изображения: изображение используется подобно текстовому условию и может влиять на визуальный стиль или содержание результата.

Адаптер добавляет новые слои во все 38 блоков базовой архитектуры Stable Diffusion 3.5 Large. Для кодирования изображений применяется google/siglip-so400m-patch14-384, а для проецирования используется TimeResampler; количество токенов изображения составляет 64. Модель работает в конвейере text-to-image библиотеки Diffusers, поддерживает английский язык, а в примере рекомендовано разрешение 1024×1024, 24 шага генерации и guidance scale 5.0. Поддерживаются текстовая и визуальная модальности.

К сильным сторонам относятся использование референсных изображений и интеграция с возможностями Stable Diffusion 3.5 Large. Ограничения включают чувствительность базовой модели к генерации в высоком разрешении, а также необходимость использовать локальные файлы конвейера, поскольку адаптер на момент публикации ещё не интегрирован в Diffusers. Доступна поддержка ComfyUI через отдельный проект. Модель распространяется по лицензии stabilityai-ai-community; все авторские права сохраняются.

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

SD3.5-Large-IP-Adapter

This repository contains a IP-Adapter for SD3.5-Large 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 all 38 blocks. We use google/siglip-so400m-patch14-384 to encode image for its superior performance, and adopt a TimeResampler to project. The image token number is set to 64.

Showcases

Inference

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

import torch
from PIL import Image

from models.transformer_sd3 import SD3Transformer2DModel
from pipeline_stable_diffusion_3_ipa import StableDiffusion3Pipeline

model_path = 'stabilityai/stable-diffusion-3.5-large'
ip_adapter_path = './ip-adapter.bin'
image_encoder_path = "google/siglip-so400m-patch14-384"

transformer = SD3Transformer2DModel.from_pretrained(
    model_path, subfolder="transformer", torch_dtype=torch.bfloat16
)

pipe = StableDiffusion3Pipeline.from_pretrained(
    model_path, transformer=transformer, torch_dtype=torch.bfloat16
).to("cuda")

pipe.init_ipadapter(
    ip_adapter_path=ip_adapter_path, 
    image_encoder_path=image_encoder_path, 
    nb_token=64, 
)

ref_img = Image.open('./assets/1.jpg').convert('RGB')

# please note that SD3.5 Large is sensitive to highres generation like 1536x1536
image = pipe(
    width=1024,
    height=1024,
    prompt='a cat',
    negative_prompt="lowres, low quality, worst quality",
    num_inference_steps=24, 
    guidance_scale=5.0,
    generator=torch.Generator("cuda").manual_seed(42),
    clip_image=ref_img,
    ipadapter_scale=0.5,
).images[0]
image.save('./result.jpg')

Community ComfyUI Support

Please refer to Slickytail/ComfyUI-InstantX-IPAdapter-SD3.

License

The model is released under stabilityai-ai-community. All copyright reserved.

Acknowledgements

This project is sponsored by HuggingFace and fal.ai. Thanks to Slickytail for supporting ComfyUI node.

Citation

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

@misc{sd35-large-ipa,
    author = {InstantX Team},
    title = {InstantX SD3.5-Large 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
1f5bb12

0 моделей