/ Модель

Характеристики

Размер весов
102 МБ
Лицензия
CC BY-NC 4.0
Базовая модель
stable-diffusion-v1-5
Библиотека
diffusers
Опубликована
15 мая 2024

flash-sd

Генерация изображенийТекст → изображение3 профессии

FlashSD — модель ускоренной генерации изображений, разработанная Jasper Research. Она представляет собой метод дистилляции диффузионной модели Flash Diffusion, реализованный как LoRA-адаптер для runwayml/stable-diffusion-v1-5 и предназначенный для text-to-image-сценариев в библиотеке diffusers.

2 608скачиваний за 30 дней20лайковвеса обновлены19 июн 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

Модель позволяет получать изображения по текстовому описанию всего за 2–4 шага семплирования, что сокращает время инференса по сравнению с обычной генерацией Stable Diffusion.

Адаптер содержит 26,4 млн параметров и работает с базовой моделью Stable Diffusion 1.5; в README не указаны точные сведения о поддерживаемых языках, размере контекстного окна и дополнительных модальностях. Для использования требуются StableDiffusionPipeline, LCMScheduler и загрузка весов LoRA с последующим объединением адаптера с базовой моделью. Модель обучалась 20 тысяч итераций на двух GPU H100, суммарно около 26 GPU-часов. Среди сильных сторон — высокая скорость генерации и сохранение качества, подтверждённое метриками FID и CLIP на валидационных наборах COCO. Ограничение состоит в зависимости от Stable Diffusion 1.5 и необходимости корректной настройки scheduler и небольшого числа шагов; качество и применимость к задачам, отличным от генерации изображений по тексту, не описаны. Модель распространяется по лицензии Creative Commons BY-NC-4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

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

⚡ Flash Diffusion: FlashSD ⚡

Flash Diffusion is a diffusion distillation method proposed in Flash Diffusion: Accelerating Any Conditional Diffusion Model for Few Steps Image Generation by Clément Chadebec, Onur Tasar, Eyal Benaroche, and Benjamin Aubin from Jasper Research. This model is a 26.4M LoRA distilled version of SD1.5 model that is able to generate images in 2-4 steps. The main purpose of this model is to reproduce the main results of the paper. See our live demo and official Github repo.

How to use?

The model can be used using the StableDiffusionPipeline from diffusers library directly. It can allow reducing the number of required sampling steps to 2-4 steps.

from diffusers import StableDiffusionPipeline, LCMScheduler

adapter_id = "jasperai/flash-sd"

pipe = StableDiffusionPipeline.from_pretrained(
  "runwayml/stable-diffusion-v1-5",
  use_safetensors=True,
)

pipe.scheduler = LCMScheduler.from_pretrained(
  "runwayml/stable-diffusion-v1-5",
  subfolder="scheduler",
  timestep_spacing="trailing",
)
pipe.to("cuda")

# Fuse and load LoRA weights
pipe.load_lora_weights(adapter_id)
pipe.fuse_lora()

prompt = "A raccoon reading a book in a lush forest."

image = pipe(prompt, num_inference_steps=4, guidance_scale=0).images[0]

Training Details

The model was trained for 20k iterations on 2 H100 GPUs (representing approx. a total 26 GPU hours of training). Please refer to the paper for further parameters details.

Metrics on COCO 2017 validation set (Table 1)

  • FID-5k: 22.6 (2 NFE) / 22.5 (4 NFE)
  • CLIP Score (ViT-g/14): 0.306 (2 NFE) / 0.311 (4 NFE)

Metrics on COCO 2014 validation (Table 2)

  • FID-30k: 12.41 (4 NFE)
  • FID-30k: 12.27 (2 NFE)

Citation

If you find this work useful or use it in your research, please consider citing us

@misc{chadebec2024flash,
      title={Flash Diffusion: Accelerating Any Conditional Diffusion Model for Few Steps Image Generation}, 
      author={Clement Chadebec and Onur Tasar and Eyal Benaroche and Benjamin Aubin},
      year={2024},
      eprint={2406.02347},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

License

This model is released under the the Creative Commons BY-NC license.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
4c52101

0 моделей