/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Библиотека
diffusers
Опубликована
22 мая 2023

pseudo-journey-v2

Генерация изображенийТекст → изображение3 профессии

Дообученная на фэнтезийных и приключенческих изображениях модель Stable Diffusion 2.1 для генерации картинок по текстовым запросам.

334скачиваний за 30 дней11лайковвеса обновлены26 июн 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

bghira/pseudo-journey-v2 — модель генерации изображений по текстовому описанию на основе Stable Diffusion 2.1, дообученная разработчиком bghira. Она ориентирована на приключенческие и фэнтезийные сюжеты; автор отмечает, что при подходящих настройках может создавать изображения высокого качества и часто лучше работает без negative prompt. Для запуска предназначена библиотека Diffusers.

Основной чекпойнт обучен примерно на 22 тысячах изображений Midjourney 5.1 и 7,2 тысячи фотографий с подписями BLIP. Обучающие изображения были приведены к квадратному разрешению 768×768, поэтому модель хуже справляется с генерацией в высоком разрешении. Текстовый энкодер существенно перенастроен и утратил часть понятий Stable Diffusion 2.1; генерация реалистичных людей менее надёжна, чем у базовой модели, а высокий CFG может приводить к пережжённым изображениям.

Модель распространяется по лицензии CreativeML OpenRAIL-M; перед использованием следует учитывать её условия и ограничения.

Сценарии применения

  • генерация иллюстраций к фэнтезийным историям
  • создание приключенческих сцен по текстовому описанию
  • подготовка концепт-арта для игр и историй
  • создание квадратных изображений в стиле Midjourney 5.1

Ограничения

Модель слабее базовой Stable Diffusion 2.1 в генерации реалистичных людей и изображений высокого разрешения; высокий CFG может давать пережжённый результат. Текстовый энкодер утратил часть исходных понятий Stable Diffusion 2.1.

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

Capabilities

This model is "adventure" and "fantasy" focused.

With certain inference configurations, it is capable of producing very high quality results.

This model functions better without negative prompts than most fine-tunes.

Inference parameters

Diffusers should "Just Work" with the config in this repository.

For A1111 users,

Scheduler: DDIM, 15-50 steps Generally acceptable resolutions:

  • 768x768
  • 1024x1024
  • 1152x768

Limitations

This model contains a heavily tuned text encoder that has lost many original Stable Diffusion 2.1 concepts

This model is even less reliable at producing real people than the base 2.1-v model is

Training data included only 768x768 downsampled 1:1 ratio images, all other aspects were discarded. Ergo, this model struggles with high resolution native generations.

This model may have "burnt" outputs at higher CFG.

Checkpoints

This model contains multiple revisions:

02b28ff (latest/main checkpoint) 30000 steps (approx 4 epochs) with terminal SNR on 22k Midjourney 5.1 images plus 7200 real photographs as balance data with complete BLIP captions on all data. BS=4, LR=4e-7 to 1e-8

6d3949c (retrained from ptx0/pseudo-journey) [retrained: based on ptx0/pseudo-journey @ 4000 steps from stable-diffusion-2-1 baseline on 3300 images] + 9500 steps on 22,400 images, polynomial learning rate scheduler, batch size 4, 64 gradient accumulations, FROZEN text encoder, 8bit ADAM, ZERO PLW (no regularization data), followed by 550 steps with unfrozen text encoder and constant LR 1e-8

9135a79 (original ckpt test) 13000 steps: trained from ptx0/pseudo-journey, polynomial learning rate scheduler, batch size 3, text encoder, 8bit ADAM, ZERO PLW (no regularization data)

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
0064e7f

0 моделей