/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Опубликована
2 ноя 2023

lmd_plus

Генерация изображенийТекст → изображение3 профессии

LMD+ разбирает текстовый запрос на объекты и их расположение, чтобы точнее генерировать изображения по сложным описаниям.

592скачиваний за 30 дней2лайкавеса обновлены2 ноя 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

LMD+ — система генерации изображений по тексту, разработанная авторами проекта LLM-grounded Diffusion. Она использует большую языковую модель как предварительный обработчик запроса: извлекает объекты, их атрибуты и пространственные отношения, планирует компоновку, а затем передаёт её генератору изображений. Такой подход улучшает следование сложным запросам, включая понимание отрицаний, привязку атрибутов к объектам и генерацию заданного количества объектов.

Модель основана на Stable Diffusion v1.4 и включает адаптеры, обученные с GLIGEN. Для использования предназначен конвейер LLMGroundedDiffusionPipeline; эта версия упрощает LMD+ и не выполняет генерацию отдельно для каждой рамки объекта. Репозиторий содержит веса в форматах Diffusers, PyTorch и Safetensors. Лицензия — CreativeML OpenRAIL-M.

Сценарии применения

  • генерация изображения с несколькими объектами в заданных местах
  • создание сцен с точным количеством объектов
  • генерация изображений с правильно связанными объектами и атрибутами
  • создание сцены по описанию с отрицаниями, например без указанного объекта

Ограничения

Эта версия использует упрощённый конвейер без генерации отдельно для каждой рамки объекта. В README не приведены результаты количественной оценки качества.

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

LMD+ Model Card

Paper | Project Page | 5-minute Blog Post | Demo | Code | Citation | Related work: LLM-grounded Video Diffusion Models

LMD and LMD+ greatly improves the prompt following ability of text-to-image generation models by introducing an LLM as a front-end prompt parser and layout planner. It improves spatial reasoning, the understanding of negation, attribute binding, generative numeracy, etc. in a unified manner without explicitly aiming for each. LMD is completely training-free (i.e., uses SD model off-the-shelf). LMD+ takes in additional adapters for better control. This is a reproduction of LMD+ model used in our work. Our full codebase is at here.

This LMD+ model is based on Stable Diffusion v1.4 and integrates the adapters trained with GLIGEN. The model can be directly used with our LLMGroundedDiffusionPipeline, which is a simplified pipeline of LMD+ without per-box generation.

See the original SD Model Card here.

Cite our work

@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}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
96828eb

0 моделей