/ Модель

Характеристики

Размер весов
1,8 ГБ
Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
22 июл 2024

PhotoMaker-V2

Генерация изображенийТекст → изображение3 профессии

PhotoMaker V2 создаёт персонализированные фотографии и стилизованные изображения по фото лица и текстовому запросу.

6 963скачиваний за 30 дней157лайковвеса 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 V2 — модель TencentARC для создания персонализированных изображений по одной или нескольким фотографиям лица и текстовому запросу. Она генерирует фотографии или стилизованные изображения без отдельного обучения пользователя и может применяться с базовыми моделями на основе SDXL.

Модель включает дообученный энкодер OpenCLIP-ViT-H-14 со слоями объединения признаков и LoRA-адаптер ранга 64 для слоёв внимания UNet. Для работы с изображением лица и текстом используется библиотека Diffusers. В метаданных указаны английский язык и лицензия Apache-2.0.

PhotoMaker V2 подходит для персонализированных портретов, фото и художественных изображений с заданным текстовым описанием. Среди известных ограничений — более слабая персонализация азиатских мужских лиц и трудности с точной отрисовкой рук; генерация изображений также может усиливать социальные предубеждения.

Сценарии применения

  • создание персонализированных портретов по фотографиям лица
  • генерация аватаров в заданном художественном стиле
  • создание фотографических изображений человека по текстовому описанию
  • персонализация изображений на базе моделей SDXL

Ограничения

Качество персонализации ниже для азиатских мужских лиц, а руки модель может изображать неточно. Генерация способна 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 V2 Model Card

Project Page | Paper (ArXiv) | Code

🤗 Gradio demo

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-V2", filename="photomaker-v2.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
f5a1e51

0 моделей