/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
23 июл 2024

ProteusV0.5

Генерация изображенийТекст → изображение3 профессии

ProteusV0.5 — дообученная на базе OpenDalleV1.1 модель для генерации изображений по текстовым промптам в фотореалистичных и художественных стилях.

83скачиваний за 30 дней28лайковвеса обновлены23 июл 2024

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

ProteusV0.5 — модель генерации изображений по текстовому описанию, опубликованная dataautogpt3. Она основана на OpenDalleV1.1 и дообучена на подписях к изображениям; для предпочтений использовались пары изображений, обработанные методом DPO. В состав входит специально обученная CLIP-модель, а веса доступны в формате Diffusers и Safetensors.

Модель предназначена для создания фотореалистичных изображений и иллюстраций по промптам. В README отмечены улучшенное понимание запросов, проработка лиц и текстуры кожи, а также поддержка сюрреалистичного, аниме и мультяшного стилей. Для работы рекомендован Clip Skip 2; примеры настроек включают CFG Scale 7, 25–50 шагов и разрешение 1024×1024. Лицензия — Apache-2.0.

Сценарии применения

  • создание фотореалистичных изображений по описанию
  • генерация портретов с детализированными лицами и текстурой кожи
  • создание иллюстраций в стиле аниме или мультфильма
  • генерация сюрреалистичных сцен
  • визуализация сложных композиций по текстовому промпту

Ограничения

Для оптимальной работы рекомендуется Clip Skip 2. Результаты зависят от формулировки промпта и настроек генерации; README не приводит количественных оценок качества.

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

ProteusV0.5

ProteusV0.5 is the latest full release of my AI image generation model, built as a sophisticated enhancement over OpenDalleV1.1. This version brings significant improvements in photorealism, prompt comprehension, and stylistic capabilities across various domains. About Proteus Proteus leverages and enhances the core functionalities of OpenDalleV1.1 to deliver superior outcomes. Key areas of advancement include heightened responsiveness to prompts and augmented creative capacities. The model has been fine-tuned using a carefully curated dataset of copyright-free stock images and high-quality AI-generated image pairs.

Key Improvements in V0.5:

Advanced Custom CLIP Integration:

  • Incorporates a meticulously trained custom CLIP model

  • Steadily developed over an extended period

  • Further fine-tuned for specific qualities in Proteus and Prometheus

  • Estimated to contribute 90% of the model's performance improvements

  • Requires a clip skip setting of 2 for optimal performance

  • Estimated to be responsible for 90% of the improvements in this version

Further Refinement of Stylistic Capabilities:

  • Enhanced ability to generate diverse artistic styles

  • Improved coherence in complex scenes and compositions

Expanded Training Dataset:

  • Now totaling over 400,000 images

  • Significantly broadened knowledge base and generation capabilities

Balanced Creativity and Accuracy:

  • Addressed previous issues of being "too stylistic/creative"

  • Improved alignment between user prompts and generated outputs

Proteus's Background

Proteus serves as a sophisticated enhancement over OpenDalleV1.1, leveraging its core functionalities to deliver superior outcomes. Key areas of advancement include heightened responsiveness to prompts and augmented creative capacities. To achieve this, it was fine-tuned using approximately 220,000 GPTV captioned images from copyright-free stock images (with some anime included), which were then normalized. Additionally, DPO (Direct Preference Optimization) was employed through a collection of 10,000 carefully selected high-quality, AI-generated image pairs. In pursuit of optimal performance, numerous LORA (Low-Rank Adaptation) models are trained independently before being selectively incorporated into the principal model via dynamic application methods. These techniques involve targeting particular segments within the model while avoiding interference with other areas during the learning phase. Consequently, Proteus exhibits marked improvements in portraying intricate facial characteristics and lifelike skin textures, all while sustaining commendable proficiency across various aesthetic domains, notably surrealism, anime, and cartoon-style visualizations.

Training Details

Total training dataset: Now over 400,000 images Initial training: ~220,000 GPTV captioned images from copyright-free stock images (including some anime) Additional training: Hand-picked photorealistic images Fine-tuning: Direct Preference Optimization (DPO) with 10,000 carefully selected high-quality, AI-generated image pairs LORA (Low-Rank Adaptation) models trained independently and selectively incorporated

Improvements

Enhanced portrayal of intricate facial characteristics and lifelike skin textures Improved proficiency in surrealism, anime, and cartoon-style visualizations Superior prompt comprehension due to custom-trained CLIP Expanded dataset leading to more diverse and accurate outputs Refined balance between creativity and accuracy

Recommended Settings

Clip Skip: 2 CFG Scale: 7 Steps: 25 - 50 Sampler: DPM++ 2M SDE Scheduler: Karras Resolution: 1024x1024

The custom-trained CLIP is a significant point of differentiation, as very few models incorporate this feature. Enjoy creating with the fully released ProteusV0.5!

Use it with 🧨 diffusers

import torch
from diffusers import (
    StableDiffusionXLPipeline, 
    KDPM2AncestralDiscreteScheduler,
    AutoencoderKL
)

# Load VAE component
vae = AutoencoderKL.from_pretrained(
    "madebyollin/sdxl-vae-fp16-fix", 
    torch_dtype=torch.float16
)

# Configure the pipeline
pipe = StableDiffusionXLPipeline.from_pretrained(
    "dataautogpt3/ProteusV0.5", 
    vae=vae,
    torch_dtype=torch.float16
)
pipe.scheduler = KDPM2AncestralDiscreteScheduler.from_config(pipe.scheduler.config)
pipe.to('cuda')

# Define prompts and generate image
prompt = "a cat wearing sunglasses on the beach"
negative_prompt = ""

image = pipe(
    prompt, 
    negative_prompt=negative_prompt, 
    width=1024,
    height=1024,
    guidance_scale=7,
    num_inference_steps=50,
    clip_skip=2
).images[0]


image.save("generated_image.png")

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
d1f0b03

0 моделей