Безусловная DDPM-модель для генерации изображений в стиле живописи Густава Климта.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
maxmarcon/klimt-diffusion — безусловная диффузионная модель, обученная имитировать живописный стиль Густава Климта. Автор сообщает, что модель обучалась 500 эпох на картинах с указанного им сайта.
Модель построена на Denoising Diffusion Probabilistic Model (DDPM) и распространяется в форматах Diffusers и safetensors. Она генерирует изображения без текстового запроса; в примере из карточки показана генерация нескольких изображений через библиотеку Diffusers.
Карточка не сообщает о лицензии или ограничениях использования. Результаты предназначены для стилизации под живопись Климта, однако качество и разнообразие генерации не описаны.
Модель генерирует изображения без текстового управления, поэтому нельзя задавать содержание результата промптом. Карточка не приводит оценок качества и не сообщает лицензию.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Denoising Diffusion Probabilistic Model trained to imitate Klimt's style of painting.
Trained for 500 epochs on the paintings on this site.
Usage:
from diffusers import DiffusionPipeline
pipe = DiffusionPipeline.from_pretrained("maxmarcon/klimt-diffusion").to("cuda")
images = pipe(10)
import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 5, figsize=(15, 6))
for axis, image in zip(axes.flat, images[0]):
axis.imshow(image)
axis.axis("off")
plt.tight_layout()
plt.show()
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · diffusers
Безусловная генерация изображений пока не поддерживается.