/ Модель

Характеристики

Опубликована
21 окт 2023

ThinkDiffusionXL

Генерация изображенийТекст → изображение3 профессии

ThinkDiffusionXL — модель генерации изображений по тексту, ориентированная на фотореализм и разнообразные художественные стили.

196скачиваний за 30 дней19лайковвеса обновлены18 ноя 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

ThinkDiffusionXL (TDXL) — модель ThinkDiffusion для генерации изображений по текстовому описанию. Она предназначена для фотореалистичных изображений и работы с разными стилями и сюжетами без сложных промптов.

По карточке модели, обучение проводилось на более чем 10 000 изображений, включая фотографии, цифровое искусство и аниме, с ручными подписями и 1,8 млн шагов обучения. Репозиторий использует Diffusers и формат safetensors; модель относится к семейству Stable Diffusion XL. Она может служить основой для дальнейших дообучений и использования LoRA.

Карточка заявляет о способности генерировать откровенный контент. Результат зависит от промпта, а заявленные преимущества в качестве и снижении смещения являются оценкой разработчика. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация фотореалистичных изображений по описанию
  • создание портретов и полнофигурных изображений
  • генерация пейзажей и сцен с кинематографическим освещением
  • создание цифрового искусства и изображений в стиле аниме
  • получение изображений по коротким промптам

Ограничения

В карточке нет сведений о лицензии и систематической оценке качества. Модель включает возможность генерации откровенного контента; заявленные разработчиком преимущества не подтверждены независимыми данными в предоставленных источниках.

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

ThinkDiffusionXL (TDXL)

ThinkDiffusionXL is the result of our goal to build a go-to model capable of amazing photorealism that's also versatile enough to generate high-quality images across a variety of styles and subjects without needing to be a prompting genius.

You can find it preloaded on https://www.thinkdiffusion.com

The work

Data source: TDXL is trained on over 10,000 diverse images that span photorealism, digital art, anime, and more. The smallest resolution in our dataset is 1365x2048, but many images go up to resolutions as high as 4622x6753. In total, our dataset takes up 42GB.

Training: With 1.8 million steps, we’ve put in the work. For comparison, Juggernaut is at 600k steps and RealVisXL is at 348k steps

Hand-captioned images: Each image is carefully captioned by hand, enhancing the model's ability to generate accurate and high-quality results from minimal prompts.

NSFW capabilities: The model includes over 1,000 tastefully curated NSFW images.

Our thoughts

Detail and quality: Most XL models in the Realistic category suffer from poor detail, especially in the background and even in basic features like eyes, teeth, and skin. We believe TDXL outperforms in these areas due to its large, high-quality dataset. For comparison, Juggernaut has about half the image material, and RealVisXL has only 1,700 images. Ultimately, TDXL simply possesses much more "knowledge".

Less bias: We made sure to use an equal number of images for each style, gender, etc. Other models we tested over the past few months had some kind of bias, sometimes it was bias toward portrait shots, gender bias, certain ethnicities, etc. For instance, Juggernaut has a bias in the Close-Up area, and the Cinematic Light is quite dominant in that model. RealVisXL also has a bias towards Portrait shots. On the other hand, TDXL gives you what you want: Landscape, Midshot, Full Body, Close-Up, Portrait, Sideview, Backview, Action Shots, Cinematic...whatever you want without always being pushed in a certain direction due to a bias.

Versatile base: Because of its large balanced quality dataset, TDXL is versatile to serve as a base model for future trainings. You can create new finetunes in entirely different directions, add LoRAs to fill in missing concepts, or do additional trainings with more balanced quality data.

https://github.com/Stability-AI/generative-models/blob/main/model_licenses/LICENSE-SDXL1.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
e31c469

0 моделей