/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Библиотека
diffusers
Опубликована
26 мая 2023

ddpo-alignment

Генерация изображенийТекст → изображение3 профессии

Дообученная Stable Diffusion v1-4 для генерации изображений животных, выполняющих заданные действия, с повышенным соответствием текстовому запросу.

10скачиваний за 30 дней7лайковвеса обновлены7 июн 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

ddpo-alignment — модель генерации изображений из текста на основе Stable Diffusion v1-4, дообученная методом DDPO для лучшего соответствия изображения текстовому запросу. Разработчики использовали функцию вознаграждения, в которой LLaVA оценивает соответствие между запросом и сгенерированным изображением.

Модель обучали на шаблонах запросов с животным и действием: например, «кошка моет посуду» или «собака играет в шахматы». Для таких запросов ожидаются лучшие результаты; авторы также отмечают ограниченное обобщение на другие формулировки. Модель принимает текст и выдаёт изображение, работает через библиотеку Diffusers и распространяется в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

Сценарии применения

  • генерация изображения животного, моющего посуду
  • создание иллюстрации животного, играющего в шахматы
  • генерация изображения животного на велосипеде
  • визуализация необычного сочетания животного и действия

Ограничения

Лучше всего работают запросы с животными и действиями из обучающих списков; обобщение на другие запросы ограничено.

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

ddpo-alignment

This model was finetuned from Stable Diffusion v1-4 using DDPO and a reward function that uses LLaVA to measure prompt-image alignment. See the project website for more details.

The model was finetuned for 200 iterations with a batch size of 256 samples per iteration. During finetuning, we used prompts of the form: "a(n) <animal> <activity>". We selected the animal and activity from the following lists, so try those for the best results. However, we also observed limited generalization to other prompts.

Activities:

  • washing dishes
  • playing chess
  • riding a bike

Animals:

  • cat
  • dog
  • horse
  • monkey
  • rabbit
  • zebra
  • spider
  • bird
  • sheep
  • deer
  • cow
  • goat
  • lion
  • tiger
  • bear
  • raccoon
  • fox
  • wolf
  • lizard
  • beetle
  • ant
  • butterfly
  • fish
  • shark
  • whale
  • dolphin
  • squirrel
  • mouse
  • rat
  • snake
  • turtle
  • frog
  • chicken
  • duck
  • goose
  • bee
  • pig
  • turkey
  • fly
  • llama
  • camel
  • bat
  • gorilla
  • hedgehog
  • kangaroo

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
23c5dc4

0 моделей