/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
diffusers
Опубликована
9 мая 2025

fuse-dit

Генерация изображенийТекст → изображение3 профессии

Fuse-DiT генерирует изображения по текстовым описаниям и запускается через библиотеку Diffusers.

24скачиваний за 30 дней7лайковвеса обновлены19 мая 2025

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

Fuse-DiT — модель генерации изображений по текстовому описанию, распространяемая в формате Diffusers и запускаемая через FuseDiTPipeline. README показывает генерацию изображения по текстовому запросу с настраиваемыми шириной и высотой, числом шагов инференса и guidance scale; приведён пример для изображения 512×512 с 25 шагами. Репозиторий предоставляет предварительно обученную модель в формате safetensors и использует библиотеку Diffusers.

Модель подходит для создания изображений по промптам. Репозиторий ссылается на статью и исходный код, однако подробности архитектуры, объём параметров и поддерживаемые языки в доступных материалах не раскрыты. Лицензия — Apache-2.0.

Сценарии применения

  • создание иллюстраций по текстовому промпту
  • генерация изображений заданного размера
  • быстрое получение вариантов визуальной концепции

Ограничения

В README не приведены результаты оценки качества или ограничения по содержанию и типам промптов. Для запуска примера требуется CUDA.

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

Exploring the Deep Fusion of Large Language Models and Diffusion Transformers for Text-to-Image Synthesis

Resources

Quick Start

You can download the pre-trained model and then use FuseDiTPipeline in our codebase to run inference:

import torch
from diffusion.pipelines import FuseDiTPipeline
pipeline = FuseDiTPipeline.from_pretrained("/path/to/pipeline/").to("cuda")
image = pipeline(
    "your prompt",
    width=512,
    height=512,
    num_inference_steps=25,
    guidance_scale=6.0,
    use_cache=True,
)[0][0]
image.save("test.png")

Citation

@article{tang2025exploringdeepfusion,
    title={Exploring the Deep Fusion of Large Language Models and Diffusion Transformers for Text-to-Image Synthesis}, 
    author={Bingda Tang and Boyang Zheng and Xichen Pan and Sayak Paul and Saining Xie},
    year={2025},
    journal={arXiv preprint arXiv:2505.10046}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Пайплайн FuseDiTPipeline не входит в diffusers 0.41.0.dev0: нужен custom_pipeline.

Ревизия весов
1181cfa

0 моделей