/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
15 июл 2024

Kolors-IP-Adapter-Plus

Генерация изображенийТекст → изображение3 профессии

Адаптер для генерации изображений по тексту с использованием референсного изображения на базе Kolors.

1 302скачиваний за 30 дней119лайковвеса обновлены19 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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-IP-Adapter-Plus — веса IP-Adapter-Plus и код вывода для генерации изображений на основе базовой модели Kolors. Модель использует OpenAI CLIP-336 как кодировщик изображения, чтобы лучше сохранять детали референса; авторы также сообщают об обучении на более разнообразных парных данных.

Модель предназначена для генерации изображения по текстовому запросу с опорой на референсное изображение: она помогает сохранить его визуальные особенности и согласовать результат с текстом. В оценке авторов система показала наивысшую общую удовлетворённость среди сравнивавшихся вариантов; оценивание проводилось экспертами на наборе из более чем 200 референсов и запросов. Для работы требуются базовая модель Kolors и библиотека Diffusers; веса распространяются по лицензии Apache-2.0.

В описании приведены результаты оценки, но нет количественных сведений о размере модели или длине контекста. Качество сохранения референса и следования тексту зависит от входного изображения и запроса; результаты сравнения получены при конкретных условиях, включая использование китайских запросов для Kolors-IP-Adapter-Plus.

Сценарии применения

  • генерация изображения по текстовому запросу с визуальным референсом
  • сохранение деталей и содержания референса в новом изображении
  • создание вариаций изображения с заданным текстовым описанием

Ограничения

Оценка в README проведена на ограниченном наборе из более чем 200 примеров; авторы использовали китайские запросы, поэтому приведённые результаты не гарантируют аналогичного качества для других языков. Для использования требуются базовая модель Kolors и совместимое окружение 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

Kolors-IP-Adapter-Plus weights and inference code

📖 Introduction

We provide IP-Adapter-Plus weights and inference code based on Kolors-Basemodel. Examples of Kolors-IP-Adapter-Plus results are as follows:

Our improvements

  • A stronger image feature extractor. We employ the Openai-CLIP-336 model as the image encoder, which allows us to preserve more details in the reference images
  • More diverse and high-quality training data: We construct a large-scale and high-quality training dataset inspired by the data strategies of other works. We believe that paired training data can effectively improve performance.

📊 Evaluation

For evaluation, we create a test set consisting of over 200 reference images and text prompts. We invite several image experts to provide fair ratings for the generated results of different models. The experts rate the generated images based on four criteria: visual appeal, text faithfulness, image faithfulness, and overall satisfaction. Image faithfulness measures the semantic preservation ability of IP-Adapter on reference images, while the other criteria follow the evaluation standards of BaseModel. The specific results are summarized in the table below, where Kolors-IP-Adapter-Plus achieves the highest overall satisfaction score.

ModelAverage Overall SatisfactionAverage Image FaithfulnessAverage Visual AppealAverage Text Faithfulness
SDXL-IP-Adapter-Plus2.292.643.224.02
Midjourney-v6-CW2.793.03.924.35
Kolors-IP-Adapter-Plus3.043.254.454.30

The ip_scale parameter is set to 0.3 in SDXL-IP-Adapter-Plus, while Midjourney-v6-CW utilizes the default cw scale.

Kolors-IP-Adapter-Plus employs chinese prompts, while other methods use english prompts.


🛠️ Usage

Requirements

The dependencies and installation are basically the same as the Kolors-BaseModel.

  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-IP-Adapter-Plus --local-dir weights/Kolors-IP-Adapter-Plus

or

git lfs clone https://huggingface.co/Kwai-Kolors/Kolors-IP-Adapter-Plus weights/Kolors-IP-Adapter-Plus
  1. Inference:
python ipadapter/sample_ipadapter_plus.py ./ipadapter/https://raw.githubusercontent.com/junqiangwu/Kolors/master/ipadapter/asset/test_ip.jpg "穿着黑色T恤衫,上面中文绿色大字写着“可图”"

python ipadapter/sample_ipadapter_plus.py ./ipadapter/https://raw.githubusercontent.com/junqiangwu/Kolors/master/ipadapter/asset/test_ip2.png "一只可爱的小狗在奔跑"

# The image will be saved to "scripts/outputs/"

Note

The IP-Adapter-FaceID model based on Kolors will also be released soon!

Acknowledgments

  • Thanks to IP-Adapter for providing the codebase.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В репозитории нет model_index.json: DiffusionPipeline его не соберёт.

Ревизия весов
4bfeac6

0 моделей