/ Модель

Характеристики

Лицензия
MIT
Библиотека
diffusers
Опубликована
30 июл 2026

isl-conditional-diffusion-cosine-64

Генерация изображенийТекст → изображение

Условная DDPM-модель генерирует изображения размером 64×64 для 35 классов жестов индийского жестового языка.

6скачиваний за 30 дней0лайковвеса обновлены18 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

Модель ISL Conditional Diffusion — условная генеративная модель, разработанная Mahadev Balla для создания изображений жестов индийского жестового языка (ISL). Она обучена с нуля и принимает метку одного из 35 классов жестов, чтобы сгенерировать RGB-изображение размером 64×64. Архитектура — DDPM на основе UNet2D; при генерации поддерживается classifier-free guidance. Для выборки по умолчанию используется DDIM, а веса усреднены методом EMA.

Модель предназначена для генерации примеров жестов по заданному классу, например для прототипирования синтетических данных или демонстраций распознавания ISL. В README сообщаются FID 57,24 и семантическая точность 99,2% при guidance scale 1,0; эти результаты относятся к описанной авторами настройке оценки. Репозиторий использует Diffusers и формат safetensors. Лицензия MIT.

Сценарии применения

  • генерация изображения жеста ISL по метке класса
  • создание синтетических примеров жестов для экспериментов
  • прототипирование наборов изображений жестового языка
  • демонстрация условной генерации жестов

Ограничения

Генерация ограничена 35 классами ISL и разрешением 64×64. Сообщённые метрики относятся к конкретной настройке оценки и сами по себе не подтверждают качество на других данных или сценариях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ISL Conditional Diffusion — 64×64

A class-conditioned DDPM trained from scratch to generate 64×64 RGB images of Indian Sign Language hand gestures.

The model uses class conditioning on one of 35 ISL classes and supports classifier-free guidance during sampling.

The complete implementation and experiments are available in the GitHub repository.

Model

  • DDPM with UNet2D architecture
  • 64×64 resolution
  • RGB images
  • Class-conditional generation
  • 35 ISL classes
  • Classifier-free guidance (CFG)
  • EMA weights

Training

  • Dataset: 42,000 images (1,200 images per class × 35 classes)
  • Noise schedule: cosine
  • Batch size: 128
  • Learning rate: 1e-4
  • Mixed precision: fp16
  • Training steps: 65,000
  • EMA decay: 0.9999
  • CFG label dropout: 0.15
  • Data augmentation: enabled

Sampling

  • Default sampler: DDIM
  • Training diffusion timesteps: 1,000
  • Routine inference steps: 100
  • Evaluation inference steps: 50
  • Default guidance scale: 1.0
  • Random seed: 42

Results

At the FID-optimal guidance scale of 1.0:

  • FID: 57.24
  • Semantic accuracy: 99.2%

The model provides strong class control under the reported evaluation setting.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов
4b97173

0 моделей