/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Библиотека
diffusers
Опубликована
25 июн 2024

bk-sdm-v2-tiny

Генерация изображенийТекст → изображение3 профессии

Компактная дистиллированная модель Stable Diffusion для генерации изображений по текстовым описаниям.

195скачиваний за 30 дней2лайкавеса обновлены28 июн 2024

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

BK-SDM-v2-Tiny — компактная версия модели Stable Diffusion для генерации изображений по текстовому описанию. Её разработчики сократили U-Net модели Stable Diffusion 2.1-base, удалив часть остаточных и attention-блоков, и применили дистилляционное дообучение. Версия Tiny входит в линейку BK-SDM-v2, созданную для более эффективной генерации изображений.

Модель принимает текстовый запрос и создаёт изображение; репозиторий подготовлен для библиотеки Diffusers. Обучение линейки BK-SDM-v2 проводилось на 212 776 парах изображений и текстов из LAION-Aesthetics V2 6.5+ с 50 тысячами итераций дообучения. В README приведены результаты для Base и Small, но отдельные показатели качества для Tiny не сообщаются. Для точной работы с Tiny стоит учитывать, что модель меньше исходной SD 2.1-base и может уступать ей в качестве генерации. Лицензия — CreativeML OpenRAIL-M; при использовании следует соблюдать её условия и рекомендации Stable Diffusion.

Сценарии применения

  • создание иллюстраций по текстовому запросу
  • быстрое прототипирование изображений
  • генерация визуальных концепций
  • создание изображений в приложениях на Diffusers

Ограничения

Версия Tiny меньше исходной Stable Diffusion 2.1-base, поэтому качество генерации может быть ниже; README не приводит отдельных метрик для Tiny. Следует соблюдать условия лицензии CreativeML OpenRAIL-M и рекомендации Stable Diffusion.

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

BK-SDM-v2 Model Card

BK-SDM-{v2-Base, v2-Small, v2-Tiny} are obtained by compressing SD-v2.1-base.

  • Block-removed Knowledge-distilled Stable Diffusion Models (BK-SDMs) are developed for efficient text-to-image (T2I) synthesis:
    • Certain residual & attention blocks are eliminated from the U-Net of SD.
    • Despite the use of very limited data, distillation retraining remains surprisingly effective.
  • Resources for more information: Paper, GitHub.

Examples with 🤗Diffusers library.

An inference code with the default PNDM scheduler and 50 denoising steps is as follows.

import torch
from diffusers import StableDiffusionPipeline

pipe = StableDiffusionPipeline.from_pretrained("nota-ai/bk-sdm-v2-tiny", torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "a black vase holding a bouquet of roses"
image = pipe(prompt).images[0]  
    
image.save("example.png")

Compression Method

Based on the U-Net architecture and distillation retraining of BK-SDM, a reduced batch size (from 256 to 128) is used in BK-SDM-v2 for faster training speeds.

  • Training Data: 212,776 image-text pairs (i.e., 0.22M pairs) from LAION-Aesthetics V2 6.5+.
  • Hardware: A single NVIDIA A100 80GB GPU
  • Gradient Accumulations: 4
  • Batch: 128 (=4×32)
  • Optimizer: AdamW
  • Learning Rate: a constant learning rate of 5e-5 for 50K-iteration retraining

Experimental Results

The following table shows the zero-shot results on 30K samples from the MS-COCO validation split. After generating 512×512 images with the PNDM scheduler and 25 denoising steps, we downsampled them to 256×256 for evaluating generation scores.

  • Our models were drawn at the 50K-th training iteration.

Compression of SD-v2.1-base

ModelFID↓IS↑CLIP Score↑(ViT-g/14)# Params,U-Net# Params,Whole SDM
Stable Diffusion v2.1-base13.9335.930.30750.87B1.26B
BK-SDM-v2-Base (Ours)15.8531.700.28680.59B0.98B
BK-SDM-v2-Small (Ours)16.6131.730.29010.49B0.88B
BK-SDM-v2-Tiny (Ours)15.6831.640.28970.33B0.72B

Compression of SD-v1.4

ModelFID↓IS↑CLIP Score↑(ViT-g/14)# Params,U-Net# Params,Whole SDM
Stable Diffusion v1.413.0536.760.29580.86B1.04B
BK-SDM-Base (Ours)15.7633.790.28780.58B0.76B
BK-SDM-Base-2M (Ours)14.8134.170.28830.58B0.76B
BK-SDM-Small (Ours)16.9831.680.26770.49B0.66B
BK-SDM-Small-2M (Ours)17.0533.100.27340.49B0.66B
BK-SDM-Tiny (Ours)17.1230.090.26530.33B0.50B
BK-SDM-Tiny-2M (Ours)17.5331.320.26900.33B0.50B

Visual Analysis: Image Areas Affected By Each Word

KD enables our models to mimic the SDM, yielding similar per-word attribution maps. The model without KD behaves differently, causing dissimilar maps and inaccurate generation (e.g., two sheep and unusual bird shapes).

Uses

Please follow the usage guidelines of Stable Diffusion v1.

Acknowledgments

Citation

@article{kim2023architectural,
  title={BK-SDM: A Lightweight, Fast, and Cheap Version of Stable Diffusion},
  author={Kim, Bo-Kyeong and Song, Hyoung-Kyu and Castells, Thibault and Choi, Shinkook},
  journal={arXiv preprint arXiv:2305.15798},
  year={2023},
  url={https://arxiv.org/abs/2305.15798}
}
@article{kim2023bksdm,
  title={BK-SDM: Architecturally Compressed Stable Diffusion for Efficient Text-to-Image Generation},
  author={Kim, Bo-Kyeong and Song, Hyoung-Kyu and Castells, Thibault and Choi, Shinkook},
  journal={ICML Workshop on Efficient Systems for Foundation Models (ES-FoMo)},
  year={2023},
  url={https://openreview.net/forum?id=bOVydU0XKC}
}

This model card is based on the Stable Diffusion v1 model card.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
68277af

0 моделей