Характеристики

Лицензия: Apache 2.0
Библиотека: diffusers
Опубликована: 31 июл 2026

Ссылки

Orbit-1.2-image

Генерация изображенийТекст → изображение3 профессии

Orbit 1.2 Image — модель на основе pix2pix для преобразования изображений, включая раскрашивание, смену стиля и создание реалистичных изображений по сегментационным картам.

10скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Открыть конструктор бенчмарка

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

Orbit 1.2 Image — модель преобразования изображений, представленная OpenPathAI. Она предназначена для переноса изображения в заданный вид: например, для раскрашивания, превращения сегментационной карты в реалистичное фото или изменения стиля. В карточке указаны архитектура pix2pix на основе условной GAN, генератор U-Net с пропусками и self-attention, а также дискриминатор PatchGAN со spectral normalization.

Модель содержит 0,9 млрд параметров и использует FP16. Для работы доступны файлы Diffusers и safetensors; заявлены PyTorch и Hugging Face Diffusers. Лицензия — Apache-2.0. Карточка не приводит конкретные языки или ограничение разрешения; для преобразования требуется исходное изображение и условие, задающее желаемый результат.

Сценарии применения

раскрашивание изображений
перенос художественного стиля на изображение
создание реалистичного изображения по сегментационной карте
условное преобразование исходного изображения

Ограничения

Качество результата зависит от исходного изображения и заданного условия; в карточке не приведены оценки качества или конкретные ограничения по разрешению.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Orbit 1.2 Image

Orbit 1.2 Image adalah model image-to-image yang dibangun di atas arsitektur pix2pix dengan optimasi khusus untuk berbagai tugas manipulasi gambar. Model ini memiliki 0.9 miliar parameter dan menggunakan tensor tipe FP16 untuk efisiensi komputasi tanpa mengorbankan kualitas hasil.

🛰️ Ringkasan

Nama Model: Orbit 1.2 Image
Base Model: pix2pix (Conditional GAN)
Jumlah Parameter: 0.9B
Tipe Tensor: FP16 (half precision)
Tugas Utama: Image-to-Image Translation
Framework: PyTorch / Hugging Face Diffusers

Model ini dirancang untuk mentransformasi gambar input menjadi output yang diinginkan berdasarkan kondisi tertentu (misalnya: pewarnaan, segmentasi ke foto realistis, atau perubahan gaya).

🧠 Arsitektur

Orbit 1.2 Image menggunakan arsitektur generator U-Net yang dimodifikasi dengan mekanisme attention dan normalisasi yang diadaptasi untuk menangani gambar resolusi tinggi secara efisien. Diskriminator juga ditingkatkan untuk memberikan umpan balik yang lebih baik selama pelatihan.

Generator: U-Net dengan skip connections + self-attention
Diskriminator: PatchGAN dengan spektral normalisasi
Fungsi Loss: Kombinasi L1 loss + Adversarial loss (GAN)

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов: 0882567