/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
jit_ldm_cxr_class_cond_model · dense
Опубликована
4 сен 2026

jit-ldm-cxr-class-conditioned

Генерация изображенийТекст → изображение

JiT-LDM — генеративная модель для создания синтетических рентгеновских снимков грудной клетки 512×512 с условием по полу, возрастной группе и наличию аномалий.

15скачиваний за 30 дней0лайковвеса обновлены6 окт 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

JiT-LDM — модель генерации рентгеновских снимков грудной клетки, разработанная лабораторией Biomedical Image Analysis Laboratory (Lab225) при Объединённом институте проблем информатики НАН Беларуси. Она предназначена для создания изображений CXR размером 512×512 с условием по одному из 12 классов, заданных сочетанием пола, возрастной группы и наличия аномалий. Модель обучена с нуля на латентных представлениях примерно 1,9 млн скрининговых снимков из Беларуси.

Архитектура включает JiT (Just image Transformer) примерно на 680 млн параметров и декодер VAE примерно на 49 млн параметров, основанный на VAE из Stable Diffusion 1.5. Модель работает с изображениями грудной клетки; её назначение — генеративный синтез, а не медицинская диагностика. Поддерживается classifier-free guidance. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Модель может быть полезна для исследовательского синтеза и изучения искусственных рентгеновских изображений с заданными демографическими характеристиками и статусом аномалий. Оценочные метрики в карточке приведены для одного класса и отдельных контрольных точек, поэтому они не характеризуют одинаково качество генерации для всех классов.

Сценарии применения

  • генерация синтетических рентгеновских снимков для исследований
  • создание CXR-изображений заданного пола и возрастной группы
  • синтез снимков с условием на наличие аномалий
  • подготовка искусственных медицинских изображений для экспериментов

Ограничения

Модель предназначена для генерации изображений, а не для постановки диагнозов. Приведённые метрики рассчитаны для одного класса и отдельных контрольных точек, поэтому не подтверждают одинаковое качество для всех 12 классов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JiT-LDM 512x512 CXR Image Generator

This repository contains JiT-LDM diffusion flow-matching CXR image generative model, trained on ~1.9M belarusian screening CXR image dataset. This model designed for generating 512x512 Chest X-ray (CXR) images. The JiT was trained from scratch, applied directly to latent space of frozen pretrained VAE.

Model Details

Data Pipeline & Preprocessing

  1. Image Preprocessing: The raw dataset consisted of high-dimensional 2-byte grayscale (single-channel) medical images. Each image was automatically cropped to the lung region and contrast-enhanced using a lung segmentation mask, then rescaled to a uniform resolution of 512x512 pixels and converted to 1-byte grayscale format.
  2. Latent Space Encoding: Prior to training, the entire preprocessed dataset was encoded into the latent space of a pre-trained Variational Autoencoder (VAE). The JiT model was subsequently trained directly on these latent representations.
  3. Class Labeling: Each image was annotated with one of 12 mutually exclusive class labels derived from three independent attributes: gender (male/female), age group (G1: ≤34 years; G2: 35-51 years; G3: ≥52 years), and abnormality status (healthy / with abnormalities). This yields a total of 2x3x2=12 classes.

Total number of images (latents) in each class:

G1_F_NormG1_F_AbnormG1_M_NormG1_M_AbnormG2_F_NormG2_F_AbnormG2_M_NormG2_M_AbnormG3_F_NormG3_F_AbnormG3_M_NormG3_M_Abnorm
351,83433,034383,22420,136246,06521,134202,27020,479237,792129,884164,24994,673
  1. Training Schedule: The model was trained for 600 epochs on a single NVIDIA H800 GPU with a batch size of 144. A linear learning-rate warm-up was applied during the first epoch, increasing from 2e-6 to 2e-4, after which the learning rate remained constant at 2e-4. Mixed-precision training was employed using PyTorch autocast with float16 precision. The model supports classifier-free guidance.

Quantitative Metrics

Evaluation results on different training checkpoint highlighting the top performing generative scores. All these scores were computed on the class “Female, G1, Abnormal”, which contains ~33,000 images. This class was chosen because it exhibits substantial variability (due to the presence of abnormalities) and is large enough for stable metric estimation, yet not so large as to make computation prohibitively expensive. The brackets indicate which solver, how many steps, and what strength of the CFG were used to achieve the corresponding result.

Model CheckpointFID↓KID↓CMMD↓Precision↑Recall↑F-score↑
Epoch 1004.56(Heun3, 10 steps, scale 2.0)0.0055(Heun3, 50 steps, scale 2.0)0.0188(Heun3, 50 steps, scale 1.0)0.652(DOPRI5, 25 steps, scale 2.0)0.639(RK4, 10 steps, scale 1.0)0.624(DOPRI5, 50 steps, scale 1.0)
Epoch 2006.48(Euler, 50 steps, scale 1.0)0.0098(Euler, 50 steps, scale 1.0)0.0206(Euler, 100 steps, scale 1.0)0.648(Euler, 100 steps, scale 2.0)0.588(RK4, 25 steps, scale 1.0)0.599(Euler, 100 steps, scale 1.0)
Epoch 3003.74(Euler, 100 steps, scale 2.0)0.0043(Euler, 100 steps, scale 2.0)0.0211(Heun3, 50 steps, scale 1.0)0.658(RK4, 50 steps, scale 2.0)0.633(Heun3, 100 steps, scale 1.0)0.632(Heun3, 100 steps, scale 1.0)
Epoch 4006.55(Euler, 100 steps, scale 1.0)0.0083(Euler, 100 steps, scale 1.0)0.0205(Heun3, 50 steps, scale 1.0)0.629(Euler, 100 steps, scale 1.0)0.585(RK4, 100 steps, scale 1.0)0.598(RK4, 50 steps, scale 1.0)
Epoch 5005.52(Heun3, 25 steps, scale 2.0)0.0066(Heun3, 25 steps, scale 2.0)0.0210(Heun3, 50 steps, scale 1.0)0.646(Heun3, 50 steps, scale 1.0)0.541(RK4, 25 steps, scale 1.0)0.587(Heun3, 50 steps, scale 1.0)
Epoch 6008.93(Euler, 50 steps, scale 2.0)0.0121(Euler, 50 steps, scale 2.0)0.0322(Euler, 50 steps, scale 1.0)0.584(Euler, 100 steps, scale 1.0)0.551(Euler, 100 steps, scale 1.0)0.567(Euler, 100 steps, scale 1.0)

Quick Start (How to Use)

# 'torchdiffeq' is a required non-standard library,
# If running on Google Colab or locally via Jupyter Notebook, run:
# !pip install torchdiffeq
# or install this library manually (see requirements.txt)

import torch
from transformers import AutoModel

device = "cuda" if torch.cuda.is_available() else "cpu"

# parameters for downloading the model and generating images
params = {
    'checkpoint_number': 300,    # available checkpoints are: 100, 200, 300, 400, 500, 600
    'solver': 'euler',           # choose any solver: 'euler', 'heun2', 'heun3', 'rk4', 'dopri5'
    'steps': 100,                # select the number of solver steps, usually from 10 to 100
    'cfg_scale': 2.0,            # select CFG scale, where 1.0 means no CFG is applied
    'num_images': 4,             # number of images to generate
    'label': 1,                  # class label to be generated
}

# Load the custom Lab225 architecture directly from the hub
model = AutoModel.from_pretrained(
    "lab225/jit-ldm-cxr-class-conditioned",
    subfolder=f"checkpoint_{params['checkpoint_number']}",
    trust_remote_code=True
)

model = model.to(device)
model.eval()

# image generation, returns PIL images
generated_images = model.sample(
    torch.full((params['num_images'],), params['label']).to(device),
    steps=params['steps'],
    solver_name=params['solver'],
    cfg_scale=params['cfg_scale']
)

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.

Класс архитектуры
JiTLDModel
Ревизия весов
6384f79

0 моделей