/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Опубликована
6 ноя 2022

redshift-diffusion

Генерация изображенийТекст → изображение3 профессии

Дообученная Stable Diffusion для генерации изображений в характерном стиле детализированных 3D-рендеров Redshift по текстовым запросам.

485скачиваний за 30 дней609лайковвеса обновлены16 мая 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Redshift Diffusion — дообученная модель Stable Diffusion от nitrosocke для генерации изображений в стиле высокодетализированных 3D-рендеров, напоминающих работы, созданные с рендерером Redshift. Для активации стиля в запрос рекомендуется добавлять токен «redshift style». Модель рассчитана на создание персонажей, автомобилей, пейзажей и других изображений по текстовому описанию; также в метаданных отмечена поддержка сценария image-to-image.

Модель обучена методом DreamBooth на базе Diffusers с сохранением исходных знаний и дообучением текстового энкодера в течение 11 000 шагов. Она использует архитектуру Stable Diffusion и доступна в форматах Diffusers и PyTorch; карточка показывает примеры с разрешением 512×704 и 704×512. Для использования указана лицензия CreativeML Open RAIL-M. Результаты зависят от формулировки запроса и настроек генерации; примеры в карточке используют 20–40 шагов и CFG 7.

Сценарии применения

  • создание персонажей в стиле 3D-рендера Redshift
  • генерация изображений автомобилей по текстовому описанию
  • создание стилизованных пейзажей
  • применение стиля Redshift к изображениям в сценарии image-to-image

Ограничения

Для характерного эффекта в промпте рекомендуется использовать токен «redshift style». Карточка не приводит систематических оценок качества и указывает примеры генерации с разрешением 512×704 и 704×512.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Redshift Diffusion

This is the fine-tuned Stable Diffusion model trained on high resolution 3D artworks. Use the tokens redshift style in your prompts for the effect.

The name: I used Cinema4D for a very long time as my go-to modeling software and always liked the redshift render it came with. That is why I was very sad to see the bad results base SD has connected with its token. This is my attempt at fixing that and showing my passion for this render engine.

If you enjoy my work and want to test new models before release, please consider supporting me Become A Patreon

Characters rendered with the model: Videogame Samples Cars and Landscapes rendered with the model: Misc. Samples

Prompt and settings for Tony Stark:

(redshift style) robert downey jr as ironman Negative prompt: glasses helmet Steps: 40, Sampler: DPM2 Karras, CFG scale: 7, Seed: 908018284, Size: 512x704

Prompt and settings for the Ford Mustang:

redshift style Ford Mustang Steps: 20, Sampler: DPM2 Karras, CFG scale: 7, Seed: 579593863, Size: 704x512

This model was trained using the diffusers based dreambooth training by ShivamShrirao using prior-preservation loss and the train-text-encoder flag in 11.000 steps.

Gradio

We support a Gradio Web UI run redshift-diffusion: Open In Spaces

🧨 Diffusers

This model can be used just like any other Stable Diffusion model. For more information, please have a look at the Stable Diffusion.

You can also export the model to ONNX, MPS and/or FLAX/JAX.

from diffusers import StableDiffusionPipeline
import torch

model_id = "nitrosocke/redshift-diffusion"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "redshift style magical princess with golden hair"
image = pipe(prompt).images[0]

image.save("./magical_princess.png")

License

This model is open access and available to all, with a CreativeML OpenRAIL-M license further specifying rights and usage. The CreativeML OpenRAIL License specifies:

  1. You can't use the model to deliberately produce nor share illegal or harmful outputs or content
  2. The authors claims no rights on the outputs you generate, you are free to use them and are accountable for their use which must not go against the provisions set in the license
  3. You may re-distribute the weights and use the model commercially and/or as a service. If you do, please be aware you have to include the same use restrictions as the ones in the license and share a copy of the CreativeML OpenRAIL-M to all your users (please read the license entirely and carefully) Please read the full license here

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
80837fe

0 моделей