/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
5 июн 2024

Kolors

Генерация изображенийТекст → изображение3 профессии

Kolors — латентно-диффузионная модель Kuaishou для фотореалистичной генерации изображений по текстовым запросам на китайском и английском языках.

828скачиваний за 30 дней866лайковвеса обновлены12 июл 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

Kolors — модель генерации изображений по текстовому описанию на основе латентной диффузии, разработанная командой Kuaishou Kolors. Модель обучена на миллиардах пар «текст — изображение» и предназначена для создания фотореалистичных изображений по запросам на китайском и английском языках.

В карточке отмечены качество изображений, точность передачи сложной семантики и генерация текста на китайском и английском языках. Модель ориентирована на создание изображений с китайской тематикой и поддерживает соответствующие запросы. Репозиторий распространяется по лицензии Apache-2.0 и использует формат Diffusers с весами safetensors.

Сценарии применения

  • создание фотореалистичных изображений по описанию
  • генерация изображений с китайской тематикой
  • создание изображений с китайскими надписями
  • создание изображений с английскими надписями
  • визуализация сложных сцен по текстовому запросу

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

Kolors: Effective Training of Diffusion Model for Photorealistic Text-to-Image Synthesis

📖 Introduction

Kolors is a large-scale text-to-image generation model based on latent diffusion, developed by the Kuaishou Kolors team. Trained on billions of text-image pairs, Kolors exhibits significant advantages over both open-source and proprietary models in visual quality, complex semantic accuracy, and text rendering for both Chinese and English characters. Furthermore, Kolors supports both Chinese and English inputs, demonstrating strong performance in understanding and generating Chinese-specific content. For more details, please refer to this technical report.

🚀 Quick Start

Requirements

  • Python 3.8 or later
  • PyTorch 1.13.1 or later
  • Transformers 4.26.1 or later
  • Recommended: CUDA 11.7 or later
  1. Repository cloning and dependency installation
apt-get install git-lfs
git clone https://github.com/Kwai-Kolors/Kolors
cd Kolors
conda create --name kolors python=3.8
conda activate kolors
pip install -r requirements.txt
python3 setup.py install
  1. Weights download(link):
huggingface-cli download --resume-download Kwai-Kolors/Kolors --local-dir weights/Kolors

or

git lfs clone https://huggingface.co/Kwai-Kolors/Kolors weights/Kolors
  1. Inference:
python3 scripts/sample.py "一张瓢虫的照片,微距,变焦,高质量,电影,拿着一个牌子,写着“可图”"
# The image will be saved to "scripts/outputs/sample_test.jpg"

Using with Diffusers

Please refer to https://huggingface.co/Kwai-Kolors/Kolors-diffusers.

📜 License&Citation

License

Kolors are fully open-sourced for academic research. For commercial use, please fill out this questionnaire and sent it to kwai-kolors@kuaishou.com for registration.

We open-source Kolors to promote the development of large text-to-image models in collaboration with the open-source community. The code of this project is open-sourced under the Apache-2.0 license. We sincerely urge all developers and users to strictly adhere to the open-source license, avoiding the use of the open-source model, code, and its derivatives for any purposes that may harm the country and society or for any services not evaluated and registered for safety. Note that despite our best efforts to ensure the compliance, accuracy, and safety of the data during training, due to the diversity and combinability of generated content and the probabilistic randomness affecting the model, we cannot guarantee the accuracy and safety of the output content, and the model is susceptible to misleading. This project does not assume any legal responsibility for any data security issues, public opinion risks, or risks and liabilities arising from the model being misled, abused, misused, or improperly utilized due to the use of the open-source model and code.

Citation

If you find our work helpful, please cite it!

@article{kolors,
  title={Kolors: Effective Training of Diffusion Model for Photorealistic Text-to-Image Synthesis},
  author={Kolors Team},
  journal={arXiv preprint},
  year={2024}
}

Acknowledgments

  • Thanks to Diffusers for providing the codebase.
  • Thanks to ChatGLM3 for providing the powerful Chinese language model.

Contact Us

If you want to leave a message for our R&D team and product team, feel free to join our WeChat group. You can also contact us via email (kwai-kolors@kuaishou.com).

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
59e638b

0 моделей