/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
9 дек 2024

pixart-900m

Генерация изображенийТекст → изображение3 профессии

Экспериментальная модель DiT на 900 млн параметров для генерации изображений по текстовым описаниям.

14скачиваний за 30 дней7лайковвеса обновлены9 дек 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

PixArt-900M-DiT v0.1 — экспериментальная модель генерации изображений по текстовому описанию, созданная Tian Ye и Peijie Dong из ROAS/DSA, HKUST-GZ. Это трансформерная модель DiT примерно на 900 млн параметров, дообученная на крупном наборе изображений высокого качества, сопоставленных с предпочтениями людей. Она использует тот же VAE и текстовый энкодер, что и PixArt-Sigma, поэтому для её применения достаточно заменить трансформер в соответствующем конвейере.

Модель предназначена для создания изображений по текстовым запросам. В карточке не перечислены поддерживаемые языки запросов и конкретные параметры генерации. Лицензия — Apache-2.0. Автор отмечает экспериментальный статус модели.

Сценарии применения

  • создание иллюстраций по текстовому запросу
  • генерация изображений для творческих проектов
  • подготовка концепт-артов по описанию сцены

Ограничения

Модель обозначена авторами как экспериментальная; качество и надёжность результатов для конкретных сценариев не гарантированы. Для использования требуются VAE и текстовый энкодер PixArt-Sigma.

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

PixArt-900M-DiT v0.1

This is an experimental 900M DiT model that has been fully fine-tuned on a large-scale, high-quality dataset of images aligned with human preferences. It uses the same VAE and text encoder as PixArt-Sigma, so you only need to replace the transformer.

How to use it?

weight_dtype = torch.bfloat16
device = torch.device("cuda")
MODEL_ID = "PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers"
transformer = Transformer2DModel.from_pretrained("Owen777/pixart-900m", torch_dtype=weight_dtype) 
pipe = PixArtSigmaPipeline.from_pretrained(MODEL_ID, transformer=transformer, torch_dtype=weight_dtype) 
pipe.vae = AutoencoderKL.from_pretrained("madebyollin/sdxl-vae-fp16-fix", torch_dtype=weight_dtype).cuda()
pipe.to(device)
image = pipe("a cute cat with pure white background.",guidance_scale=3.5,num_inference_steps=30,height=1024,width=102)[0]
image.save("result.jpeg")

Credits

Original PixArt Sigma model by PIXART-Σ (https://pixart-alpha.github.io/PixArt-sigma-project/)

This model is created by Tian Ye and Peijie Dong from ROAS/DSA, HKUST-GZ.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
31a677b

0 моделей