ViBT — модель Brownian Bridge Transformer для условной генерации, редактирования изображений и преобразования изображений и видео.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
ViBT (Vision Bridge Transformer) — модель семейства Brownian Bridge Models, представленная авторами репозитория Yuanshi. Она предназначена для условной генерации и преобразования визуальных данных: редактирования изображений по инструкциям и перевода изображений и видео между разными представлениями. Модель напрямую описывает траекторию преобразования от входных данных к выходным, используя парадигму data-to-data translation.
В карточке указаны задачи генерации и редактирования изображений, генерации видео и преобразования визуальных данных. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о размере, контексте и поддерживаемых языках в доступных материалах отсутствуют.
В README не приведены количественные оценки качества, сведения о размере модели и подробные требования к запуску.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository introduces Vision Bridge Transformer (ViBT), a large-scale instantiation of Brownian Bridge Models designed for efficient conditional generation. ViBT directly models the trajectory between inputs and outputs, creating an efficient data-to-data translation paradigm. The models demonstrate effectiveness for various image and video translation tasks, including instruction-based image editing and complex video translation.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · diffusion-single-file
Any-to-any модели пока не поддерживаются.