/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
topai_image_gen · dense
Библиотека
transformers
Опубликована
27 фев 2026

Pixel-1

Генерация изображенийТекст → изображение3 профессии

Pixel-1 — экспериментальная компактная модель TopAI-1, создающая изображения 128×128 по текстовым описаниям.

24скачиваний за 30 дней6лайковвеса обновлены27 фев 2026

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

Pixel-1 — экспериментальная компактная модель генерации изображений по тексту, разработанная TopAI-1 и обученная с нуля. Она предназначена для создания изображений по подробным описаниям, особенно для сцен с контрастными цветами и явно заданными структурными деталями, например оконными решётками и тенями от ограды.

Модель использует текстовый энкодер CLIP ViT-L/14 от OpenAI и собственный сверточный декодер с транспонированными свёртками, остаточными блоками и пропусками связей. Генератор преобразует текстовое представление в изображение размером 128×128 пикселей. Карточка описывает версию v1 как стилизованную, иногда живописную или пикселизированную; заявленная точность следования пространственным деталям основана на примерах автора. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • создание изображений по подробным текстовым промптам
  • визуализация контрастных сцен и цветовых сочетаний
  • генерация иллюстраций с заданным расположением объектов и теней

Ограничения

Создаёт изображения только в разрешении 128×128; версия v1 может давать живописный или пикселизированный результат. Заявления о точном следовании сложным промптам приведены автором и не сопровождаются оценкой независимого бенчмарка.

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

image

Pixel-1: From-Scratch Text-to-Image Generator 🎨

Pixel-1 is a lightweight, experimental text-to-image model built and trained entirely from scratch. Unlike many modern generators that rely on massive pre-trained diffusion backbones, Pixel-1 explores the potential of a compact architecture to understand and render complex semantic prompts.

🚀 The Achievement

Pixel-1 was designed to prove that even a small model can achieve high logical alignment with user prompts. It successfully renders complex concepts like window bars, fence shadows, and specific color contrasts—features usually reserved for much larger models.

Key Features:

  • Built from Scratch: The Generator architecture (Upsampling, Residual Blocks, and Projections) was designed and trained without pre-trained image weights.
  • High Prompt Adherence: Exceptional ability to "listen" to complex instructions (e.g., "Window with metal bars and fence shadow").
  • Efficient Architecture: Optimized for fast inference and training on consumer-grade GPUs (like Kaggle's T4).
  • Latent Understanding: Uses a CLIP-based text encoder to bridge the gap between human language and pixel space.

🏗️ Architecture

The model uses a series of Transposed Convolutional layers combined with Residual Blocks to upsample a latent text vector into a 128x128 image.

  • Encoder: CLIP (OpenAI/clip-vit-large-patch14)
  • Decoder: Custom CNN-based Generator with Skip Connections
  • Loss Function: L1/MSE transition
  • Resolution: 128x128 (v1)

🖼️ Samples & Prompting

Pixel-1 shines when given high-contrast, descriptive prompts.

Recommended Prompting Style:

"Window with metal bars and fence shadow, high contrast, vivid colors, detailed structure"

Observations: While the current version (v1) produces stylistic, slightly "painterly" or "pixelated" results, its spatial reasoning is remarkably accurate, correctly placing shadows and structural elements according to the text.


🛠️ How to use

import torch
import matplotlib.pyplot as plt
import numpy as np
import os
import shutil
from transformers import AutoTokenizer, CLIPTextModel, AutoModel, AutoConfig

def generate_fixed_from_hub(prompt, model_id="TopAI-1/Pixel-1"):
    device = "cuda" if torch.cuda.is_available() else "cpu"
    print(f"🚀 Working on {device}...")

    # 1. ניקוי Cache כדי לוודא שאתה מושך את התיקונים החדשים מה-Hub
    cache_path = os.path.expanduser(f"~/.cache/huggingface/hub/models--{model_id.replace('/', '--')}")
    if os.path.exists(cache_path):
        print("🧹 Clearing old cache to fetch your latest fixes...")
        shutil.rmtree(cache_path)

    # 2. טעינת CLIP
    tokenizer = AutoTokenizer.from_pretrained("openai/clip-vit-large-patch14")
    text_encoder = CLIPTextModel.from_pretrained("openai/clip-vit-large-patch14").to(device)

    # 3. טעינת המודל והקונפיג אוטומטית מה-Hub
    # בזכות ה-auto_map ב-config.json, transformers ימצא לבד את המחלקות
    print("📥 Downloading architecture and weights directly from Hub...")
    model = AutoModel.from_pretrained(
        model_id, 
        trust_remote_code=True, 
        force_download=True
    ).to(device)
    
    model.eval()
    print("✅ Model loaded successfully!")

    # 4. יצירה
    print(f"🎨 Generating: {prompt}")
    inputs = tokenizer(prompt, padding="max_length", max_length=77, truncation=True, return_tensors="pt").to(device)
    
    with torch.no_grad():
        emb = text_encoder(inputs.input_ids).pooler_output
        out = model(emb)

    # 5. תצוגה
    img = (out.squeeze(0).cpu().permute(1, 2, 0).numpy() + 1.0) / 2.0
    plt.figure(figsize=(8, 8))
    plt.imshow(np.clip(img, 0, 1))
    plt.axis('off')
    plt.show()

# הרצה
generate_fixed_from_hub("Window with metal bars and fence shadow")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Класс архитектуры
TopAIImageGenerator
Ревизия весов
71e947b

0 моделей