/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
lucid
Опубликована
29 авг 2026

dit-xlarge-2

Генерация изображенийТекст → изображение

DiT-XL/2 — конвертированная в формат Lucid модель для безусловной генерации изображений ImageNet размером 256×256 и 512×512.

0скачиваний за 30 дней0лайковвеса обновлены29 авг 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

DiT-XL/2 — перенос модели генерации изображений семейства Diffusion Transformer в формат Lucid, выполненный разработчиками Lucid. Репозиторий содержит веса для безусловной генерации изображений ImageNet размером 256×256 и 512×512 пикселей. Архитектура насчитывает около 674,8 млн параметров; веса сохранены в формате safetensors. Для варианта 256×256 в карточке приведён FID 2,27, для 512×512 — 3,04.

Модель предназначена для генерации изображений без текстового запроса, в частности изображений, соответствующих распределению ImageNet-1k. Это конверсия исходных весов facebook/DiT-XL-2-256 и facebook/DiT-XL-2-512 в формат Lucid; в README заявлена проверка численного соответствия исходным весам. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • генерация изображений в стиле ImageNet без текстового запроса
  • создание изображений размером 256×256 пикселей
  • создание изображений размером 512×512 пикселей
  • эксперименты с архитектурой Diffusion Transformer

Ограничения

Модель предназначена для безусловной генерации и не принимает текстовые запросы. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DiT-XL/2 (256x256)

https://arxiv.org/abs/2212.09748

Lucid port of https://huggingface.co/facebook/DiT-XL-2-256, converted to Lucid-native safetensors.

Available weights

TagfidParamsGFLOPsSizeSource
IMAGENET1K_256 (default)2.27674.8M—2574.32 MBfacebook/DiT-XL-2-256
IMAGENET1K_5123.04674.8M—2574.32 MBfacebook/DiT-XL-2-512

Usage

import lucid.models as models
from lucid.models.weights import DiTXLarge2Weights

# default tag
model = models.dit_xlarge_2(pretrained=True)

# explicit tag (enum or string)
model = models.dit_xlarge_2(weights=DiTXLarge2Weights.IMAGENET1K_256)
model = models.dit_xlarge_2(pretrained="IMAGENET1K_256")

# preprocessing travels with the weights
weights = DiTXLarge2Weights.IMAGENET1K_256
preprocess = weights.transforms()
out = model(preprocess(image)[None])
# A latent diffusion backbone predicts noise, not labels.
eps = out[:, : model.config.in_channels]  # (B, C, H, W)

Conversion

Converted from https://huggingface.co/facebook/DiT-XL-2-256 via python -m tools.convert_weights dit_xlarge_2 --tag IMAGENET1K_256. Key mapping + numerical parity verified against the source.

License

cc-by-nc-4.0 — inherited from the original weights.

Citation

@inproceedings{peebles2023scalable,
  title={Scalable Diffusion Models with Transformers},
  author={Peebles, William and Xie, Saining},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  pages={4195--4205},
  year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · lucid

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов
d3adb8d

0 моделей