/ Модель
Каталог

Характеристики

Лицензия
OpenRAIL++
Базовая модель
stable-diffusion-xl-base-1.0
Библиотека
diffusers
Опубликована
16 фев 2025

Ссылки

Hugging Face

realism-sdxl

eramth
Генерация изображенийТекст → изображение

Дообученная модель SDXL для генерации реалистичных портретов по текстовому описанию с экономичным по памяти VAE.

33скачиваний за 30 дней0лайковвеса обновлены10 мар 2025

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.

Открыть конструктор бенчмарка

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

eramth/realism-sdxl — дообученная на базе Stable Diffusion XL Base 1.0 модель для генерации реалистичных портретов по текстовым запросам. Она предназначена для создания изображений через библиотеку Diffusers; в README приведены рекомендуемые настройки: 20–30 шагов генерации и CFG 2–4.

В модель включён экономичный по памяти SDXL VAE: по данным карточки, он снижает расход оперативной памяти примерно на 3 ГБ при декодировании с почти незаметной потерей качества. Включение тайлинга VAE позволяет генерировать изображения более высокого разрешения при небольшом дополнительном расходе видеопамяти. Модель распространяется по лицензии OpenRAIL++.

Сценарии применения

  • создание реалистичных портретов по текстовому запросу
  • генерация изображений людей в высоком разрешении
  • создание портретных иллюстраций с ограниченным объёмом видеопамяти

Ограничения

Оптимизация VAE заявлена как почти не влияющая на качество, но допускает небольшую потерю качества при декодировании. README рекомендует запуск через Diffusers с CUDA и half precision.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

A realism portrait SDXL model with a memory-efficient SDXL VAE that saves about 3GB of RAM with almost no loss of image quality during VAE decoding. Realism_SDXL_1 Realism_SDXL_2 Realism_SDXL_3

Recommended arguments

step: 20-30, CFG: 2-4

Usage

from diffusers import StableDiffusionXLPipeline
import torch
pipeline = StableDiffusionXLPipeline.from_pretrained("eramth/realism-sdxl",torch_dtype=torch.float16).to("cuda")
# This allows you to generate higher resolution images without much extra VRAM usage.
pipeline.vae.enable_tiling()
image = pipeline(prompt="a beautiful woman",num_inference_steps=25,guidance_scale=2.5).images[0]
image

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
e5b10f1

0 моделей

    Создать бенчмарк