/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Опубликована
16 янв 2023

hitokomoru-diffusion-v2

Генерация изображенийТекст → изображение3 профессии

Дообученная модель Stable Diffusion для генерации аниме-иллюстраций по текстовым описаниям и тегам Danbooru.

185скачиваний за 30 дней57лайковвеса обновлены16 янв 2023

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

Hitokomoru Diffusion V2 — модель генерации изображений по текстовому описанию, разработанная Linaqruf на основе латентной диффузии Stable Diffusion. Она дообучена от waifu-diffusion-v1-4-epoch-2 на 257 иллюстрациях японского художника ヒトこもる/Hitokomoru; обучение выполнено за 15 000 шагов. Модель рассчитана на создание аниме-иллюстраций и понимает как обычные текстовые описания, так и теги Danbooru.

Модель подходит для генерации персонажей и сцен в аниме-стиле. Её можно запускать через Automatic1111 Stable Diffusion WebUI или библиотеку Diffusers; репозиторий предоставляет веса в форматах Diffusers, PyTorch и safetensors. Для более выразительных результатов автор рекомендует использовать эстетические теги и отрицательные промпты для подавления типичных артефактов.

Модель ориентирована на художественный стиль конкретного автора, поэтому её результаты могут быть менее подходящими для других визуальных стилей и задач. Распространяется по лицензии CreativeML OpenRAIL-M.

Сценарии применения

  • создание аниме-портретов персонажей
  • генерация иллюстраций с заданной внешностью и одеждой
  • создание аниме-сцен по тегам Danbooru
  • визуализация цветочных и природных пейзажей в аниме-стиле

Ограничения

Модель специализирована на аниме-стиле и художественной манере Hitokomoru; возможны типичные для генерации изображений дефекты анатомии, рук и мелких деталей, поэтому автор рекомендует отрицательные промпты.

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

Hitokomoru Diffusion V2

Anime Girl

A latent diffusion model that has been trained on Japanese Artist artwork, ヒトこもる/Hitokomoru. The current model is fine-tuned from waifu-diffusion-1-4 (wd-1-4-anime_e2.ckpt) with a learning rate of 2.0e-6, 15000 training steps and 4 batch sizes on the 257 artworks collected from Danbooru. This model supposed to be a continuation of hitokomoru-diffusion fine-tuned from Anything V3.0. Dataset has been preprocessed using Aspect Ratio Bucketing Tool so that it can be converted to latents and trained at non-square resolutions. Like other anime-style Stable Diffusion models, it also supports Danbooru tags to generate images.

e.g. 1girl, white hair, golden eyes, beautiful eyes, detail, flower meadow, cumulonimbus clouds, lighting, detailed sky, garden

Model Details

How to Use

worst quality, low quality, medium quality, deleted, lowres, comic, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, jpeg artifacts, signature, watermark, username, blurry
  • And, the following should also be prepended to prompts to get high aesthetic results:
masterpiece, best quality, high quality, absurdres

🧨 Diffusers

This model can be used just like any other Stable Diffusion model. For more information, please have a look at the Stable Diffusion. You can also export the model to ONNX, MPS and/or FLAX/JAX.

You should install dependencies below in order to running the pipeline

pip install diffusers transformers accelerate scipy safetensors

Running the pipeline (if you don't swap the scheduler it will run with the default DDIM, in this example we are swapping it to DPMSolverMultistepScheduler):

import torch
from torch import autocast
from diffusers import StableDiffusionPipeline, DPMSolverMultistepScheduler

model_id = "Linaqruf/hitokomoru-diffusion-v2"

# Use the DPMSolverMultistepScheduler (DPM-Solver++) scheduler here instead
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe = pipe.to("cuda")

prompt = "masterpiece, best quality, high quality, 1girl, solo, sitting, confident expression, long blonde hair, blue eyes, formal dress"
negative_prompt = "worst quality, low quality, medium quality, deleted, lowres, comic, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, jpeg artifacts, signature, watermark, username, blurry"

with autocast("cuda"):
    image = pipe(prompt, 
                 negative_prompt=negative_prompt, 
                 width=512,
                 height=728,
                 guidance_scale=12,
                 num_inference_steps=50).images[0]
    
image.save("anime_girl.png")

Example

Here is some cherrypicked samples:

Anime Girl

Prompt and settings for Example Images

masterpiece, best quality, high quality, 1girl, solo, sitting, confident expression, long blonde hair, blue eyes, formal dress, jewelry, make-up, luxury, close-up, face, upper body.

Negative prompt: worst quality, low quality, medium quality, deleted, lowres, comic, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, jpeg artifacts, signature, watermark, username, blurry

Steps: 20, Sampler: DPM++ 2M Karras, CFG scale: 7, Seed: 994051800, Size: 512x768, Model hash: ea61e913a0, Model: hitokomoru-v2, Batch size: 2, Batch pos: 0, Denoising strength: 0.6, Clip skip: 2, ENSD: 31337, Hires upscale: 1.5, Hires steps: 20, Hires upscaler: Latent (nearest-exact)

License

This model is open access and available to all, with a CreativeML OpenRAIL-M license further specifying rights and usage. The CreativeML OpenRAIL License specifies:

  1. You can't use the model to deliberately produce nor share illegal or harmful outputs or content
  2. The authors claims no rights on the outputs you generate, you are free to use them and are accountable for their use which must not go against the provisions set in the license
  3. You may re-distribute the weights and use the model commercially and/or as a service. If you do, please be aware you have to include the same use restrictions as the ones in the license and share a copy of the CreativeML OpenRAIL-M to all your users (please read the license entirely and carefully) Please read the full license here

Credit

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
409f854

0 моделей