Учебная безусловная диффузионная модель для генерации изображений без текстового запроса.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это пример модели диффузии безусловной генерации изображений, подготовленный для второго раздела учебного курса по диффузионным моделям. В карточке приведён пример запуска через DDPMPipeline из библиотеки Diffusers: модель создаёт изображение без текстового запроса. Название репозитория указывает на дообучение на CelebA-HQ для генерации бабочек в течение двух эпох, однако README не описывает результаты или характеристики этого обучения.
Модель распространяется в форматах Diffusers и safetensors по лицензии MIT. Размер модели, разрешение изображений и качество генерации в доступных сведениях не указаны.
README не сообщает метрики качества, разрешение изображений или подробности обучения; название репозитория указывает лишь на двух эпохах дообучения для генерации бабочек.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Describe your model here
from diffusers import DDPMPipeline
pipeline = DDPMPipeline.from_pretrained('tanGGwa012/ddpm-celebahq-finetuned-butterflies-2epochs')
image = pipeline().images[0]
image
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Безусловная генерация изображений пока не поддерживается.