/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
30 ноя 2023

playground-v2-512px-base

Генерация изображенийТекст → изображение3 профессии

Базовая диффузионная модель Playground для исследования генерации изображений 512 × 512 по текстовым запросам.

33скачиваний за 30 дней53лайкавеса обновлены22 фев 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

Playground v2 512px Base — диффузионная модель генерации изображений по тексту, разработанная исследовательской командой Playground и обученная с нуля. Репозиторий содержит базовый чекпойнт, рассчитанный на создание изображений разрешением 512 × 512; модель доступна для использования через Hugging Face Diffusers и распространяется в форматах Diffusers, PyTorch и Safetensors.

Модель представляет собой Latent Diffusion Model с архитектурой, следующей Stable Diffusion XL, и использует два фиксированных предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Она подходит для экспериментов с генерацией изображений и исследования базовых моделей и методов оценки эстетического качества. В README приведены результаты пользовательского исследования и сравнение промежуточных чекпойнтов по FID и CLIP Score; эти результаты не гарантируют качество отдельной генерации.

Авторы отмечают, что этот базовый чекпойнт предназначен преимущественно для исследований и обычно не создаёт высокоэстетичные изображения. Для модели указана Playground v2 Community License; конкретные условия использования следует сверять с текстом этой лицензии.

Сценарии применения

  • создание изображений 512 × 512 по текстовому описанию
  • эксперименты с базовыми диффузионными моделями генерации изображений
  • сравнение качества генерации и соответствия изображения тексту
  • оценка эстетического качества моделей на исследовательских наборах данных

Ограничения

Авторы указывают, что чекпойнт предназначен преимущественно для исследований и обычно не создаёт высокоэстетичные изображения. Он рассчитан на разрешение 512 × 512; результаты пользовательского исследования не гарантируют качество конкретных изображений.

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

Playground v2 – 512px Base Model

This repository contains a base (pre-train) model that generates images of resolution 512x512.

This model is primarily for research purposes. It does not tend to produce highly aesthetic images.

You can use the model with Hugging Face 🧨 Diffusers.

image/png

Playground v2 is a diffusion-based text-to-image generative model. The model was trained from scratch by the research team at Playground.

Images generated by Playground v2 are favored 2.5 times more than those produced by Stable Diffusion XL, according to Playground’s user study.

We are thrilled to release intermediate checkpoints at different training stages, including evaluation metrics, to the community. We hope this will encourage further research into foundational models for image generation.

Lastly, we introduce a new benchmark, MJHQ-30K, for automatic evaluation of a model’s aesthetic quality.

Please see our blog for more details.

Model Description

Using the model with 🧨 Diffusers

Install diffusers >= 0.24.0 and some dependencies:

pip install transformers accelerate safetensors

To use the model, run:

from diffusers import DiffusionPipeline
import torch

pipe = DiffusionPipeline.from_pretrained(
    "playgroundai/playground-v2-512px-base",
    torch_dtype=torch.float16,
    use_safetensors=True,
    add_watermarker=False,
    variant="fp16",
)
pipe.to("cuda")

prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
image = pipe(prompt=prompt, width=512, height=512).images[0]

User Study

image/png

According to user studies conducted by Playground, involving over 2,600 prompts and thousands of users, the images generated by Playground v2 are favored 2.5 times more than those produced by Stable Diffusion XL.

We report user preference metrics on PartiPrompts, following standard practice, and on an internal prompt dataset curated by the Playground team. The “Internal 1K” prompt dataset is diverse and covers various categories and tasks.

During the user study, we give users instructions to evaluate image pairs based on both (1) their aesthetic preference and (2) the image-text alignment.

MJHQ-30K Benchmark

image/png

ModelOverall FID
SDXL-1-0-refiner9.55
playground-v2-1024px-aesthetic7.07

We introduce a new benchmark, MJHQ-30K, for automatic evaluation of a model’s aesthetic quality. The benchmark computes FID on a high-quality dataset to gauge aesthetic quality.

We have curated a high-quality dataset from Midjourney, featuring 10 common categories, with each category containing 3,000 samples. Following common practice, we use aesthetic score and CLIP score to ensure high image quality and high image-text alignment. Furthermore, we take extra care to make the data diverse within each category.

For Playground v2, we report both the overall FID and per-category FID. All FID metrics are computed at resolution 1024x1024. Our benchmark results show that our model outperforms SDXL-1-0-refiner in overall FID and all category FIDs, especially in people and fashion categories. This is in line with the results of the user study, which indicates a correlation between human preference and FID score on the MJHQ-30K benchmark.

We release this benchmark to the public and encourage the community to adopt it for benchmarking their models’ aesthetic quality.

Intermediate Base Models

ModelFIDClip Score
SDXL-1-0-refiner13.0432.62
playground-v2-256px-base9.8331.90
playground-v2-512px-base9.5532.08

Apart from playground-v2-1024px-aesthetic, we release intermediate checkpoints at different training stages to the community in order to foster foundation model research in pixels. Here, we report the FID score and CLIP score on the MSCOCO14 evaluation set for the reference purposes. (Note that our reported numbers may differ from the numbers reported in SDXL’s published results, as our prompt list may be different.)

How to cite us

@misc{playground-v2,
      url={[https://huggingface.co/playgroundai/playground-v2-1024px-aesthetic](https://huggingface.co/playgroundai/playground-v2-1024px-aesthetic)},
      title={Playground v2},
      author={Li, Daiqing and Kamko, Aleks and Sabet, Ali and Akhgari, Ehsan and Xu, Lin and Doshi, Suhail}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
c89d27f

0 моделей