/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Библиотека
diffusers
Опубликована
24 мар 2023

text2video-zero-controlnet-canny-gta5

Генерация изображенийТекст → изображение3 профессии

Модель Text2Video-Zero с весами DreamBooth в стиле GTA 5 создаёт видео и изображения по английскому тексту с управлением по контурам Canny.

25скачиваний за 30 дней14лайковвеса обновлены6 апр 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

Это вариант Text2Video-Zero с весами DreamBooth для создания визуального стиля GTA 5 и управлением по контурам Canny через ControlNet. Модель основана на Stable Diffusion и предназначена для генерации видео по текстовому описанию с заданной структурой сцен; её также можно использовать для генерации изображений с текстом и контурными подсказками. Для активации стиля в запросе используется ключевое слово «gtav style».

Авторы Text2Video-Zero — Левон Хачатрян, Андраник Мовсисян, Ваграм Тадеосян, Роберто Хеншель, Чжанъян Ван, Шант Навасардян и Хамфри Ши; исходные веса DreamBooth стиля GTA 5 взяты с Civitai и созданы Quiet_Joker. Модель рассчитана на английские текстовые запросы, работает в библиотеке Diffusers и распространяется по лицензии CreativeML OpenRAIL-M. Качество и согласованность видеокадров зависят от текстового описания, контурного входа и совместимой базовой модели Stable Diffusion; README не приводит численных оценок качества или ограничений по длине видео.

Сценарии применения

  • создание коротких видео в визуальном стиле GTA 5 по текстовому описанию
  • генерация видео с сохранением структуры, заданной контурной картой Canny
  • создание изображений в стиле GTA 5 по тексту и контурам
  • подготовка стилизованных игровых сцен для концепт-арта

Ограничения

Для работы требуется совместимая базовая модель Stable Diffusion; видеогенерация зависит от текстового запроса и качества входной карты контуров. README не приводит численных оценок качества и не уточняет ограничения по длительности видео.

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

Text2Video-Zero Model Card - ControlNet Canny GTA-5 Style

Text2Video-Zero is a zero-shot text to video generator. It can perform zero-shot text-to-video generation, Video Instruct Pix2Pix (instruction-guided video editing), text and pose conditional video generation, text and canny-edge conditional video generation, and text, canny-edge and dreambooth conditional video generation. For more information about this work, please have a look at our paper and our demo: Hugging Face Spaces Our code works with any StableDiffusion base model.

This model provides DreamBooth weights for the GTA-5 style to be used with edge guidance (using ControlNet) in text2video zero.

Weights for Text2Video-Zero

We converted the original weights into diffusers and made them usable for ControlNet with edge guidance using: https://github.com/lllyasviel/ControlNet/discussions/12.

Model Details

  • Developed by: Levon Khachatryan, Andranik Movsisyan, Vahram Tadevosyan, Roberto Henschel, Zhangyang Wang, Shant Navasardyan and Humphrey Shi

  • Model type: Dreambooth text-to-image and text-to-video generation model with edge control for text2video zero

  • Language(s): English

  • License: The CreativeML OpenRAIL M license.

  • Model Description: This is a model for text2video zero with edge guidance and gta-5 style. It can be used also with ControlNet in a text-to-image setup with edge guidance.

  • DreamBoth Keyword: gtav style

  • Resources for more information: GitHub, Paper, CIVITAI.

  • Cite as:

    @article{text2video-zero,
      title={Text2Video-Zero: Text-to-Image Diffusion Models are Zero-Shot Video Generators},
      author={Khachatryan, Levon and Movsisyan, Andranik and Tadevosyan, Vahram and Henschel, Roberto and Wang, Zhangyang and Navasardyan, Shant and Shi, Humphrey},
      journal={arXiv preprint arXiv:2303.13439},
      year={2023}
    }
    

Original Weights

The Dreambooth weights for the GTA-5 style were taken from CIVITAI.

Model Details

  • Developed by: Quiet_Joker (Username listed on CIVITAI)
  • Model type: Dreambooth text-to-image generation model
  • Language(s): English
  • License: The CreativeML OpenRAIL M license.
  • Model Description: This is a model that was created using DreamBooth to generate images with GTA-5 style, based on text prompts.
  • DreamBoth Keyword: gtav style
  • Resources for more information: CIVITAI.

Biases content acknowledgement:

Beware that Text2Video-Zero may output content that reinforces or exacerbates societal biases, as well as realistic faces, pornography, and violence. Text2Video-Zero in this demo is meant only for research purposes.

Citation

  @article{text2video-zero,
    title={Text2Video-Zero: Text-to-Image Diffusion Models are Zero-Shot Video Generators},
    author={Khachatryan, Levon and Movsisyan, Andranik and Tadevosyan, Vahram and Henschel, Roberto and Wang, Zhangyang and Navasardyan, Shant and Shi, Humphrey},
    journal={arXiv preprint arXiv:2303.13439},
    year={2023}
  }

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
b999ecc

0 моделей