/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
transformers
Опубликована
30 сен 2024

TIPO-500M-GGUF

Генерация текстаТекст → текст3 профессии

QuantFactory/TIPO-500M-GGUF — квантизированная версия модели KBlueLeaf/TIPO-500M, созданная сообществом QuantFactory с использованием llama.cpp.

411скачиваний за 30 дней4лайкавеса обновлены30 сен 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

Модель предназначена для оптимизации текстовых промптов в системах генерации изображений по тексту (T2I): она расширяет и уточняет пользовательский ввод перед передачей в генеративную модель, помогая получать более качественные результаты при меньших усилиях.

Это модель архитектуры LLaMA с 500 млн параметров и максимальной длиной контекста 1024 токена. Она обучалась примерно на 30 млрд токенов на объединённых данных Danbooru2023, GBC10M и Coyo-HD-11M; в карточке указан английский язык. Модель интегрируется через z-tipo-extension с stable-diffusion-webui, stable-diffusion-webui-forge и ComfyUI. Согласно приведённой оценке, использование TIPO улучшает соответствие изображений целевому распределению по метрике Frechet Dino Distance и может повышать эстетическое качество и снижать количество артефактов.

Модель специализирована для генерации и улучшения промптов, а не для непосредственного создания изображений, поэтому её возможности зависят от совместимой T2I-системы и расширения. В README не приведены сведения о конкретных форматах квантизации, требованиях к ресурсам и детальных ограничениях применения. Модель распространяется по лицензии Kohaku License 1.0.

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

QuantFactory Banner

QuantFactory/TIPO-500M-GGUF

This is quantized version of KBlueLeaf/TIPO-500M created using llama.cpp

Original Model Card

TIPO: Text to Image with text presampling for Prompt Optimization

500M LLaMA arch model trained for TIPO. Tech Report: https://hackmd.io/@KBlueLeaf/BJULOQBR0

image/png

Introduction

In this project, we introduce "TIPO" (Text to Image with text presampling for Prompt Optimization), an innovative framework designed to significantly enhance the quality and usability of Text-to-Image (T2I) generative models. TIPO utilizes the Large Language Models (LLMs) to perform "Text Presampling" within the inference pipeline of text-to-image generative modeling. By refining and extending user input prompts, TIPO enables generative models to produce superior results with minimal user effort, making T2I systems more accessible and effective for a wider range of users.

Usage

Use updated version of DTG extension (renamed to z-tipo-extension), current version of z-tipo-extension support stable-diffusion-webui, stable-diffusion-webui-forge and ComfyUI. SD-Next haven't been tested. https://github.com/KohakuBlueleaf/z-tipo-extension

Model arch and Training

This model is LLaMA arch with 500M parameters, the training data is combined version of Danbooru2023, GBC10M and Coyo-HD-11M. The total token seen is around 30B tokens. For more information please refer to the tech report and following table.

TIPO-200MTIPO-500M
ArchLLaMALLaMA
Max ctx length10241024
Batch Size20483584
Training datasetDanbooru, GBC10M, 5epochDanbooru, GBC10M, Coyo11M, 3epochDanbooru, GBC10M, Coyo11M, 5epoch
Real Token Seen*40B token30B token
Training HardwareRTX 3090 x 4H100 x 8
Training Time420 hour`100 hour`
URLKBlueLeaf/TIPO-200M · Hugging FaceKBlueLeaf/TIPO-500M · Hugging Face

*: We only count "non-padding token" in the token seen, since all the training data have very large length range `: Since the training data is pretty short, it cost more time to reach same token seen than general LLM pretraining. As reference, with 4096 as max ctx length and almost all the data have reach that length, you may only need 2days to reach 10B token seen on RTX 3090 x 4 with 200M model.

Evaluation

We have tested TIPO in several metric:

1. Aesthetic Score (Higher is Better)

We compute the Aesthetic Score using the Aesthetic Predictor V2.5. This metric is calculated on the short/truncated long test.

Aesthetic Score Distribution

Figure 1: Aesthetic Score distribution.

2. AI Corrupt Score (Higher is Better)

The AI Corrupt Score is obtained from the AICorruptMetrics in sdeval.

This metric is calculated on the short/truncated long test.

AI Corrupt Score Distribution

Figure 2: AI Corrupt Score distribution.

3. Frechet Dino Distance (FDD) on Scenery Tag Test

We use FDD on the Scenery Tag Test to demonstrate that when input prompts address a smaller distribution, the model struggles to generate images that reflect the true distribution. However, with TIPO, this issue is mitigated.

FDD Model<meta> scenery only<meta> scenery + TIPO
DinoV2 ViT-S0.19170.1786
DinoV2 ViT-B0.20020.1755
DinoV2 ViT-L0.20170.1863
DinoV2 ViT-G0.23590.2096

Table 1: Frechet Dino Distance (FDD) on Scenery Tag Test.

LICENSE

This model is released under Kohaku License 1.0 You can check the above provided URL or check the LICENSE file in this repo.

Citation

@misc{yeh2024tipo,
  title = {TIPO: Text to Image with text presampling for Prompt Optimization},
  author = {Yeh, Shih-Ying},
  year = {2024},
  month = {9},
  day = {29},
  note = {Technical report available at \url{https://hackmd.io/@KBlueLeaf/BJULOQBR0}. 
          Model available at \url{https://huggingface.co/KBlueLeaf/TIPO-500M}. 
          Source code available at \url{https://github.com/KohakuBlueleaf/KGen}},
}

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
4440860

0 моделей