/ Модель

Характеристики

Лицензия
OpenRAIL++
Опубликована
3 окт 2023

SDXL-512

Генерация изображенийТекст → изображение3 профессии

SDXL-512 — дообученная на базе SDXL 1.0 диффузионная модель для генерации и редактирования изображений по текстовым описаниям около разрешения 512×512.

138скачиваний за 30 дней50лайковвеса обновлены7 окт 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

SDXL-512 — диффузионная модель генерации изображений по тексту, разработанная Natural Synthetics Inc. и дообученная на базе Stable Diffusion XL 1.0. Она предназначена для более простой генерации детализированных изображений при разрешении около 512×512 пикселей; обучение на подборке данных с разными соотношениями сторон чередовало пакеты низкого и высокого разрешения, чтобы сохранить возможности базовой модели при больших размерах. Авторы рекомендуют использовать модель вместе с Hotshot-XL.

Модель подходит для создания изображений по текстовым описаниям и их редактирования. Она не гарантирует фотореализм, может плохо отображать лица и людей, не умеет надёжно создавать читаемый текст и испытывает трудности со сложными пространственными композициями. Лицензия — CreativeML Open RAIL++-M License (OpenRAIL++).

Сценарии применения

  • создание иллюстраций по текстовому описанию
  • генерация изображений с упрощёнными промптами
  • создание изображений около 512×512 пикселей

Ограничения

Модель не всегда достигает фотореализма, плохо генерирует читаемый текст и может ошибаться в сложных пространственных композициях; лица и люди также могут получаться некорректно.

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

image/jpeg

Overview

SDXL-512 is a checkpoint fine-tuned from SDXL 1.0 that is designed to more simply generate higher-fidelity images at and around the 512x512 resolution. The model has been fine-tuned using a learning rate of 1e-6 over 7000 steps with a batch size of 64 on a curated dataset of multiple aspect ratios. alternating low and high resolution batches (per aspect ratio) so as not to impair the base model's existing performance at higher resolution.

Note: It bears repeating that SDXL-512 was not trained to be "better" than SDXL, but rather to simplify prompting for higher-fidelity outputs at and around the 512x512 resolution.

Model Description

  • Developed by: Natural Synthetics Inc.
  • Model type: Diffusion-based text-to-image generative model
  • License: CreativeML Open RAIL++-M License
  • Model Description: This is a model that can be used to generate and modify higher-fidelity images at and around the 512x512 resolution.
  • Resources for more information: Check out our GitHub Repository.
  • Finetuned from model: Stable Diffusion XL 1.0

🧨 Diffusers

Make sure to upgrade diffusers to >= 0.18.2:

pip install diffusers --upgrade

In addition make sure to install transformers, safetensors, accelerate as well as the invisible watermark:

pip install invisible_watermark transformers accelerate safetensors

Running the pipeline (if you don't swap the scheduler it will run with the default EulerDiscreteScheduler in this example we are swapping it to EulerAncestralDiscreteScheduler:

from diffusers import StableDiffusionXLPipeline, EulerAncestralDiscreteScheduler

pipe = StableDiffusionXLPipeline.from_pretrained(
    "hotshotco/SDXL-512",
    use_safetensors=True,
).to('cuda')

pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)

prompt = "a woman laughing"
negative_prompt = ""

image = pipe(
    prompt,
    negative_prompt=negative_prompt,
    width=512,
    height=512,
    target_size=(1024, 1024),
    original_size=(4096, 4096),
    num_inference_steps=50
).images[0]

image.save("woman_laughing.png")

Limitations and Bias

Limitations

  • The model does not achieve perfect photorealism
  • The model cannot render legible text
  • The model struggles with more difficult tasks which involve compositionality, such as rendering an image corresponding to “A red cube on top of a blue sphere”
  • Faces and people in general may not be generated properly.

Bias

While the capabilities of image generation models are impressive, they can also reinforce or exacerbate social biases.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
f2710b2

0 моделей