/ Модель

Характеристики

Лицензия
MIT
Библиотека
diffusers
Опубликована
30 июл 2026

isl-conditional-diffusion-linear-128

Генерация изображенийТекст → изображение

DDPM-модель создаёт изображения жестов индийского жестового языка 128×128 по одной из 35 меток классов.

5скачиваний 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 — генеративная модель, разработанная автором репозитория mahadev-balla и обученная с нуля для создания изображений жестов индийского жестового языка (ISL). Она использует DDPM с архитектурой UNet2D и линейным расписанием шума; на вход принимает метку одного из 35 классов жестов, а на выходе формирует RGB-изображение размером 128×128 пикселей. При генерации поддерживается classifier-free guidance, используются EMA-веса; для выборки указан DDIM с 100 шагами в обычном режиме и 50 для оценки.

Модель предназначена для генерации примеров жестов по классу, например, для расширения учебных наборов данных и визуальных экспериментов с ISL. В README сообщается о семантической точности 98% и FID 58,25 при guidance scale 1,0; эти показатели относятся к описанной автором оценке. Репозиторий распространяется под лицензией MIT.

Сценарии применения

  • генерация изображений жестов ISL по метке класса
  • создание синтетических примеров для набора данных жестов
  • визуальное исследование генерации жестов с управлением классом

Ограничения

Модель охватывает 35 классов ISL и генерирует изображения только в разрешении 128×128. Указанные метрики получены в описанной автором оценке и сами по себе не гарантируют 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 — Linear Noise Schedule

A class-conditioned DDPM trained from scratch to generate 128×128 RGB images of Indian Sign Language hand gestures using a linear noise schedule.

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
  • 128×128 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: linear
  • Batch size: 64
  • 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: 58.25
  • Semantic accuracy: 98.0%

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
fd6b2fc

0 моделей