/ Модель

Характеристики

Лицензия
CC BY 4.0
Библиотека
onnx
Опубликована
31 авг 2026

yatm-quickdraw-diffusion

Генерация изображенийТекст → изображение

Небольшая условно-классовая диффузионная модель для генерации 32×32 монохромных набросков объектов из набора Quick, Draw!.

0скачиваний за 30 дней0лайковвеса обновлены1 сен 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

yatm-quickdraw-diffusion — небольшая условно-классовая диффузионная модель, созданная для проекта You Are the Model. Она использует U-Net с предсказанием шума и содержит около 1,93 млн параметров. Модель генерирует 32×32 серые рисунки, обученные в стиле набросков Quick, Draw!, по одному из 24 классов: например, рыба, цветок, дом, автомобиль или пончик; предусмотрен и безусловный режим.

Модель предназначена для создания простых doodle-изображений и интерактивных демонстраций диффузионной генерации. Для браузерного запуска опубликована версия ONNX; README указывает на семплирование DDIM за 25 шагов. Обучение проводилось на рисунках Google Quick, Draw!, предварительно приведённых к размеру 32×32. В README приведена оценка, согласно которой классификатор распознаёт заданный класс во всех проверенных образцах с фиксированными seed и оптимальным guidance scale 3,0.

Модель специализируется на маленьких монохромных набросках из ограниченного набора классов и не предназначена для фотореалистичных или произвольных изображений. Репозиторий выпущен под лицензией CC BY 4.0; исходный датасет также указан под CC BY 4.0.

Сценарии применения

  • генерация набросков рыбы, цветка или другого объекта из 24 классов
  • создание простых doodle-изображений для игр и веб-приложений
  • демонстрация пошаговой генерации DDIM в браузере

Ограничения

Генерация ограничена серыми изображениями 32×32 и 24 классами Quick, Draw!; модель не предназначена для фотореалистичных изображений или свободных текстовых запросов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

You Are the Model - Quick, Draw! diffusion

A tiny class-conditional diffusion model that draws 32x32 doodles, small enough to run a full 25-step DDIM sample in the browser.

It powers You Are the Model, a daily drawing puzzle where the player takes over the denoising loop: at each round you pick which noise prediction to apply, your choice is fed back into the real sampler, and a bad pick genuinely derails the drawing.

Model

Architectureclass-conditional U-Net, epsilon prediction
Parameters1,929,313 (7.7 MB fp32)
Resolution32x32 grayscale, values in [-1, 1]
Classes24 (+1 null class for classifier-free guidance)
Noise schedulecosine, 1000 train timesteps
SamplerDDIM, 25 steps, guidance 3.0
Trained60,000 steps, batch 256, AdamW, EMA 0.9995, bf16
HardwareNVIDIA GeForce RTX 3090, 1.23 h, about $0.167

Classes

fish, flower, house, sailboat, smiley face, star, umbrella, envelope, t-shirt, ice cream, apple, banana, ladder, lightning, mountain, pants, wine glass, eyeglasses, snowman, car, hand, crown, donut, camera

Files

FilePurpose
yatm_v2.onnxthe browser asset - opset 17, dynamic batch
yatm_v2.meta.jsonclass list, sampler settings, parity numbers
yatm_v2.abar.jsoncosine alpha-bar table, so the JS sampler matches exactly
ema.ptEMA weights (PyTorch)
samples.pngfixed-seed sample sheet, one row per class
eval.jsonclassifier gate and guidance sweep
metrics.jsonltraining and validation curves
config.resolved.jsonthe exact resolved config and environment

Inputs and outputs

x: float32 [batch, 1, 32, 32]   noisy latent
t: int64   [batch]              timestep, 0..999
y: int64   [batch]              class index, or 24 for unconditional
-> eps: float32 [batch, 1, 32, 32]

Classifier-free guidance: run the batch twice (class and null) and combine with eps = eps_null + w * (eps_class - eps_null).

Evaluation

A held-out CNN classifier (95.9% accurate on real test drawings) labels 100.0% of fixed-seed samples as the class they were conditioned on, at the best guidance scale of 3.0. Weakest class: fish at 100.0%.

Python and ONNX Runtime agree to 8.3e-02 maximum absolute difference over a full 25-step sample, so the browser and the training code produce the same picture from the same seed.

Dataset and attribution

Trained on the Google Quick, Draw! dataset (numpy_bitmap 28x28 drawings, padded to 32x32), which is released under CC BY 4.0 by Google Creative Lab. 12,000 drawings per class were downloaded, filtered for empty and over-inked drawings and exact duplicates, then split deterministically.

This model is released under the same CC BY 4.0 licence.

Как запустить

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

GPU в ailist

Универсальный рантайм · onnx

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов
288e5aa

0 моделей