/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
stable-diffusion-xl-base-1.0
Библиотека
diffusers
Опубликована
19 янв 2025

gligen-xl-1024

Генерация изображенийТекст → изображение3 профессии

Адаптер GLIGEN для SDXL генерирует изображения по тексту с дополнительным пространственным управлением, например с помощью ограничивающих рамок.

13скачиваний за 30 дней6лайковвеса обновлены19 янв 2025

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

jiuntian/gligen-xl-1024 — адаптер GLIGEN для Stable Diffusion XL, опубликованный как часть проекта по созданию InteractDiffusion XL. Он добавляет к генерации изображений по тексту управление с помощью пространственных условий, например ограничивающих рамок, и предназначен для сценариев, где важно задавать расположение объектов в изображении. Модель подготовлена для использования с библиотекой diffusers; веса доступны в формате safetensors и распространяются по лицензии Apache-2.0.

Адаптер дообучен на базе stabilityai/stable-diffusion-xl-base-1.0. Карточка указывает датасеты с латентными представлениями SDXL и ограничивающими рамками. Для работы требуется базовая модель SDXL и совместимый Diffusers pipeline. В README не приведены количественные оценки качества или подробные инструкции по ограничениям управления; результат зависит от заданных текстовых и пространственных условий.

Сценарии применения

  • генерация изображений с объектами в заданных областях кадра
  • создание композиций с контролем расположения объектов
  • прототипирование сцен по тексту и ограничивающим рамкам

Ограничения

Для использования необходима базовая модель SDXL и совместимый pipeline diffusers. README не приводит количественных оценок качества или подробных рекомендаций по настройке пространственных условий.

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

This project aims to support a SDXL version of GLIGEN adapters, with huggingface-style pipeline. The project is part of the effort in creating InteractDiffusion XL. More details is at the Github Repo

Motivation

IGLIGEN reproduces GLIGEN on diffusers frameworks and made the training procedure easier to be replicate. They have released the code and pretrained weights for SD v1.4/v1.5, SD v2.0/v2.1, but the support for SDXL is still awaited with great anticipation. This repo open source the pretrained weight of GLIGEN adapter for SDXL, together with the diffusers pipeline and training code. We thank the author of GLIGEN and IGLIGEN on their work.

Usage

import torch
from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(
    "jiuntian/gligen-xl-1024", trust_remote_code=True, torch_dtype=torch.float16
).to("cuda")

prompt = "An image of grassland with a dog."

# Image generation with GLIGEN
output_images = pipeline(
    prompt,
    num_inference_steps=50,
    height=1024, width=1024,
    gligen_scheduled_sampling_beta=0.4,
    gligen_boxes=[[0.1, 0.6, 0.3, 0.8]],
    gligen_phrases=["a dog"],
    num_images_per_prompt=1,
    output_type="pt"
).images

Citation

The authors of this repo (IGLIGEN-XL) are not affiliated with the authors of GLIGEN and IGLIGEN. Since IGLIGEN-XL is based on GLIGEN and IGLIGEN, if you use the IGLIGEN-XL code or adapters, please kindly consider citing the original GLIGEN and IGLIGEN paper:

@article{li2023gligen,
  title={GLIGEN: Open-Set Grounded Text-to-Image Generation},
  author={Li, Yuheng and Liu, Haotian and Wu, Qingyang and Mu, Fangzhou and Yang, Jianwei and Gao, Jianfeng and Li, Chunyuan and Lee, Yong Jae},
  journal={CVPR},
  year={2023}
}
@article{lian2023llmgrounded,
  title={Llm-grounded diffusion: Enhancing prompt understanding of text-to-image diffusion models with large language models},
  author={Lian, Long and Li, Boyi and Yala, Adam and Darrell, Trevor},
  journal={arXiv preprint arXiv:2305.13655},
  year={2023}
}

The project is part of the effort in creating InteractDiffusion XL.

Please kindly consider citing InteractDiffusion if you use IGLIGEN-XL code/trained weights.

@inproceedings{hoe2023interactdiffusion,
  title={InteractDiffusion: Interaction Control in Text-to-Image Diffusion Models}, 
  author={Jiun Tian Hoe and Xudong Jiang and Chee Seng Chan and Yap-Peng Tan and Weipeng Hu},
  year={2024},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В репозитории нет model_index.json: DiffusionPipeline его не соберёт.

Ревизия весов
3fa96f0

0 моделей