/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Опубликована
12 июл 2026

HoLo-FuSe

Генерация изображенийТекст → изображение

Экспериментальная DDPM-модель генерирует изображения кошек и собак по метке класса и проверяет замороженное представление HSL как управляющий сигнал.

0скачиваний за 30 дней0лайковвеса обновлены17 июл 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

HoLo-FuSe — экспериментальная диффузионная модель автора Jinhyun Woo, созданная как минимальный исследовательский базовый запуск для проверки замороженного представления HSL в качестве управляющего сигнала. В основе — условная по классу DDPM с U-Net примерно на 35 млн параметров и базовым разрешением 128 пикселей; HSL задаёт детерминированный 27-мерный кадр признаков без обучаемых параметров, который через небольшой обучаемый слой управляет генерацией. В репозитории также есть контрольные варианты с обучаемым вектором класса и безусловной генерацией.

Модель предназначена для генерации изображений кошек и собак по метке класса, а также для исследования способов кондиционирования диффузионных моделей. Автор сообщает, что HSL и обучаемый контроль сопоставимы в исходном качественном сравнении, однако последующая многосеменная проверка не обнаружила специфического вклада HSL относительно замороженного случайного кодбука; обучаемый контроль показал более высокий результат в рамках использованного оценщика и протокола. Это не продуктовая и не передовая модель, а ограниченный двухклассовый эксперимент с известным цветовым оттенком фона из-за недостаточного обучения. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Сценарии применения

  • генерация изображений кошек по метке класса
  • генерация изображений собак по метке класса
  • сравнение замороженного и обучаемого кондиционирования в DDPM
  • исследование представлений признаков для управления генерацией изображений

Ограничения

Эксперимент ограничен двумя классами и разрешением 128 пикселей; автор не выявил специфического вклада HSL относительно замороженного случайного кодбука, а обучаемый контроль показал более высокий результат в использованном протоколе. Во всех вариантах наблюдается оттенок фона, связанный с недостаточным обучением.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HoLo-FuSe — frozen 0-parameter HSL substrate as a diffusion conditioning door

Honest framing first: this is a minimum-scale baseline training run whose only purpose is to prove that HSL (Holistic Signal Language — a frozen, deterministic 27-D feature frame with 0 learned parameters, a 4.6 KB LUT) can serve as the conditioning substrate of a verified diffusion carrier. Not SOTA, not a product, not "HSL beats embeddings". The carrier is a standard class-conditional DDPM; HSL is the thing under test. FuSe = Frozen Substrate, fused into a verified baseline.

Code & full record: Woojiggun/HoLo-FuSe · live demo: ggunio/HoLo-FuSe-demo · the zero door: hsl-embedding-zero (PyPI) · siblings: HoLo_ZeRo (byte-LM), HoLo-ToLk-STT (audio). DOI (software): 10.5281/zenodo.21322659 Author: Jinhyun Woo (ggunio5782@gmail.com) — independent research, developed in collaboration with AI assistants (Claude Code, Codex); the HSL work and experimental direction are the author's.

What was verified (seed-matched, same budget, step 14000)

armconditioningresult
noneunconditionalreadable cat+dog faces, mixed
hslfrozen HSL 27-D (0 learned params) → small readout"Cat"→cats, "Dog"→dogs
learnedsame-budget nn.Embedding control"Cat"→cats, "Dog"→dogs
  • Flipping the label on the same initial noise morphs the sample between species → conditioning works.
  • hsl ≈ learned: the frozen substrate steers class as well as the learned control. Claim is comparable, not better — single seed set, qualitative.
  • Specificity update (community-review follow-up, multi-seed quantitative): HSL was not distinguishable from sampled same-shape frozen-random codebook controls under this two-class protocol (0.828±0.016 vs 0.818±0.018 consistency @12k, 3 seeds) — no HSL-specific contribution identified — while the learned control scored modestly higher under this evaluator and protocol (0.891±0.027). Precise wording: a zero-parameter frozen substrate with a learned conditioning readout. Full protocol, exact scripts, evaluator confusion, and caveats: SPECIFICITY.md.
  • Known artifact: a background color tint in all arms (under-training of a ~35M model at 14k steps; a sampling sweep showed CFG / dynamic-thresholding does not remove it). Doesn't affect the comparison.

Files

filecontent
holofuse_hsl_128.ptHSL-conditioned arm (the demo one)
holofuse_learned_128.ptlearned-embedding control arm
holofuse_none_128.ptunconditional baseline arm

Each ≈274 MB: {model, cond, ema, step, arch} — EMA included (sample from EMA), optimizer stripped. Arch: U-Net base128, ch_mults 1,2,2,2, attn@16, ~35M params; DDPM cosine T=250; CFG cond-drop 0.15.

Use — everything ships in this repo (code + weights)

pip install torch hsl-embedding-zero huggingface_hub pillow numpy
import sys, pathlib
from huggingface_hub import hf_hub_download

code = hf_hub_download("ggunio/HoLo-FuSe", "model.py")     # inference code lives here too
sys.path.insert(0, str(pathlib.Path(code).parent))
from model import generate

img = generate("Cat", steps=16, cfg=1.6, seed=0)[0]        # downloads the hsl checkpoint (274 MB)
img.save("cat.png")                                        # 128px PIL image

generate(label, arm, steps, cfg, seed, n) — label "Cat"/"Dog", arm "hsl"/"learned"/"none", respaced DDIM (16 steps ≈ 1–3 min on CPU, seconds on any GPU) with CFG + dynamic thresholding, sampling from the EMA weights. Lower-level pieces (load_holofuse, ddim_sample, UNet, HSLLabelCond) are in the same model.py. A CLI is included as well:

python generate.py --label Dog --steps 24 --cfg 1.6 --seed 7 --out dog.png

Full-quality ancestral sampling (T=250) and the training harness: Woojiggun/HoLo-FuSe.

Data & license

Trained on AFHQ (StarGAN v2, Choi et al. 2020) animal faces at 128px (Cat 5153 / Dog 4739, via zzsi/afhq512_16k). AFHQ is CC BY-NC 4.0, therefore these weights and their outputs are CC BY-NC 4.0 — non-commercial, research/demo only. Training: 16k steps/arm on a single free Colab T4, crash-resumable harness.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов
7f664f5

0 моделей