/ Модель

Характеристики

Лицензия
OpenRAIL++
Базовая модель
stable-diffusion-xl-base-1.0
Библиотека
diffusers
Опубликована
30 дек 2024

miso-diffusion-xl-1.0

Генерация изображенийТекст → изображение3 профессии

Дообученная на Stable Diffusion XL модель для генерации аниме-изображений по запросам с тегами Danbooru.

17скачиваний за 30 дней1лайквеса обновлены7 янв 2025

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

Miso Diffusion XL 1.0 — дообученная модель на базе Stable Diffusion XL Base 1.0, созданная для генерации изображений в стиле аниме по текстовым запросам. Автор описывает её как первую концептуальную модель серии и отмечает, что обучение пока не завершено и качество требует улучшения.

Модель ожидает запросы с тегами в стиле Danbooru. В карточке приведены примеры тегов качества, эстетики и рейтинга, а также рекомендуемый порядок их размещения. Обучение проводилось на наборе из 172 тысяч изображений, включая общую часть и отдельную подборку эстетически высококачественных изображений; разрешение обучающих изображений составляло 1024×1024. Модель распространяется в форматах Diffusers и safetensors по лицензии OpenRAIL++.

Модель предназначена для создания иллюстраций в стиле аниме, однако автор предупреждает о недостаточном обучении и необходимости дальнейших улучшений. README перечисляет теги рейтинга, включая NSFW, но не сообщает о наличии фильтрации генерируемого контента.

Сценарии применения

  • создание иллюстраций в стиле аниме по текстовому запросу
  • генерация персонажей с тегами Danbooru
  • создание аниме-изображений с заданным эстетическим стилем

Ограничения

Автор указывает, что модель недообучена и нуждается в дальнейших улучшениях. Запросы рекомендуется формулировать тегами Danbooru; карточка не описывает встроенную фильтрацию контента.

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

Anime Stable Diffusion Model

A custom Stable Diffusion model fine-tuned for anime-style image generation, trained on a large dataset of anime images. This is the first concept model for the entire series as I am spending more time filtering and processing the larger dataset. Currently the model is still undertrained, while it can reflect certain notions, a lot of additional improvements need to be done.

Prompt

Danbooru style tagging.

Quality tag: Masterpiece, high quality, normal quality, low quality Aesthetic tag: Very aesthetic, aesthetic, pleasent, unpleasent

Additional special tag: High resolution, elegant, artist:

Rating ModifierRating Criterion
-general
-sensitive
nsfwquestionable
nsfwexplicit

Recommanded prompt order: Rating tag, quality tag, aesthetic tag, (additional tag), general tag

Dataset Specifications

  • Total Images: 172k
  • General Training Set: 160k images
  • Aesthetic Fine-tuning Set: 12k high-quality images
  • Resolution: 1024x1024

Hardware Configuration

  • GPUs: 2x NVIDIA RTX 6000 Ada
  • Training Time: 16 days (General), 3 days (Aesthetic fine tune)

Training Configuration

ParameterValueDescription
Resolution1024x1024Training resolution
Batch Size8x2x2Effective batch size
Learning Rate5e-5Base learning rate
Text Encoder LR1e-5Learning rate for text encoder
Epochs10Total training epochs
Mixed PrecisionFP16Training precision mode
OptimizerAdamW8bitOptimizer type

Advanced Settings

FeatureSettingPurpose
Gradient CheckpointingEnabledMemory optimization
XFormersEnabledAttention optimization
Memory Efficient AttentionEnabledMemory optimization
Bucket Resolution Steps128Dynamic resolution handling
Min Bucket Resolution512Minimum image size
Max Bucket Resolution4096Maximum image size
Noise Offset0.035Training stability
Min SNR Gamma5Signal-to-noise ratio control

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
4358baf

0 моделей