/ Модель

Характеристики

Размер весов
934 МБ
Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
13 янв 2024

PhotoMaker

Генерация изображенийТекст → изображение3 профессии

PhotoMaker от TencentARC создаёт персонализированные изображения по фотографиям лица и текстовому запросу без дополнительного обучения.

22 047скачиваний за 30 дней438лайковвеса обновлены22 июл 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

PhotoMaker — модель TencentARC для персонализированной генерации изображений. Она принимает одну или несколько фотографий лица и текстовый запрос, чтобы создать изображение или иллюстрацию с заданной внешностью; обучение пользователя не требуется. Модель можно применять с базовыми моделями на основе SDXL и сочетать с другими модулями LoRA.

Состав модели включает дообученный OpenCLIP-ViT-H-14 с дополнительными слоями слияния для кодирования личности, а также веса LoRA ранга 64 для слоёв внимания UNet. Для работы используется библиотека diffusers. Модель ориентирована на англоязычные запросы; лицензия — Apache-2.0.

Качество персонализации может снижаться для лиц азиатских мужчин, а генерация человеческих рук остаётся затруднённой. В README также отмечено, что генеративные модели могут усиливать социальные предубеждения.

Сценарии применения

  • создание портретов по фотографии лица и текстовому описанию
  • генерация стилизованных изображений с сохранением внешности человека
  • подготовка персонализированных иллюстраций на базе SDXL
  • создание вариантов образа человека в заданной сцене

Ограничения

Качество персонализации снижается для лиц азиатских мужчин, а изображение человеческих рук остаётся сложной задачей. Генерация может усиливать социальные предубеждения.

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

PhotoMaker Model Card

Project Page | Paper (ArXiv) | Code

🤗 Gradio demo (Realistic) | 🤗 Gradio demo (Stylization)

Introduction

Users can input one or a few face photos, along with a text prompt, to receive a customized photo or painting within seconds (no training required!). Additionally, this model can be adapted to any base model based on SDXL or used in conjunction with other LoRA modules.

Realistic results

image/jpeg

image/jpeg

Stylization results

image/jpeg

image/jpeg

More results can be found in our project page

Model Details

It mainly contains two parts corresponding to two keys in loaded state dict:

  1. id_encoder includes finetuned OpenCLIP-ViT-H-14 and a few fuse layers.

  2. lora_weights applies to all attention layers in the UNet, and the rank is set to 64.

Usage

You can directly download the model in this repository. You also can download the model in python script:

from huggingface_hub import hf_hub_download
photomaker_ckpt = hf_hub_download(repo_id="TencentARC/PhotoMaker", filename="photomaker-v1.bin", repo_type="model")

Then, please follow the instructions in our GitHub repository.

Limitations

  • The model's customization performance degrades on Asian male faces.
  • The model still struggles with accurately rendering human hands.

Bias

While the capabilities of image generation models are impressive, they can also reinforce or exacerbate social biases.

Citation

BibTeX:

@inproceedings{li2023photomaker,
  title={PhotoMaker: Customizing Realistic Human Photos via Stacked ID Embedding},
  author={Li, Zhen and Cao, Mingdeng and Wang, Xintao and Qi, Zhongang and Cheng, Ming-Ming and Shan, Ying},
  booktitle={IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
f68f8e6

0 моделей