/ Модель

Характеристики

Лицензия
CreativeML OpenRAIL-M
Базовая модель
stable-diffusion-3-medium-diffusers
Опубликована
14 июн 2024

stable-diffusion-3.0-medium_reality-mix

Генерация изображенийТекст → изображение4 профессии

Дообученная на базе Stable Diffusion 3 Medium модель для генерации изображений по текстовым запросам с уклоном в фотореалистичную подачу.

587скачиваний за 30 дней14лайковвеса обновлены17 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

sd3-reality-mix — полноранговая дообученная модель генерации изображений, созданная на основе Stability AI Stable Diffusion 3 Medium. Она принимает текстовые запросы и предназначена для создания изображений, в том числе в фотореалистичном стиле и по сложным описаниям. Модель использует пайплайн StableDiffusion3Pipeline и распространяется в формате Diffusers с весами Safetensors; текстовый энкодер не обучался, поэтому для генерации можно использовать энкодер базовой модели.

В обучении использовались датасеты photo-concept-bucket и dalle3, изображения примерно по 1 мегапикселю и разные соотношения сторон. README приводит примеры проверок при разрешениях от 512×512 до 1280×768 и 960×1152, но не гарантирует качество для этих параметров. Модель доступна по лицензии CreativeML OpenRAIL-M.

Сценарии применения

  • создание фотореалистичных изображений по описанию
  • генерация сцен с несколькими объектами и пространственными отношениями
  • создание иллюстраций с текстом внутри изображения
  • подготовка изображений в разных пропорциях для творческих проектов

Ограничения

Текстовый энкодер не обучался и используется от базовой модели. README не приводит независимых оценок качества или подробных ограничений по содержанию и устойчивости генерации.

Для каких профессий подходит4

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

sd3-reality-mix

This is a full rank finetune derived from stabilityai/stable-diffusion-3-medium-diffusers.

The main validation prompt used during training was:

ethnographic photography of teddy bear at a picnic holding a sign that says SOON, sitting next to a red sphere which is inside a capsule

Validation settings

  • CFG: 5.5
  • CFG Rescale: 0.0
  • Steps: 30
  • Sampler: euler
  • Seed: 42
  • Resolutions: 512x512,1024x1024,1280x768,960x1152

Note: The validation settings are not necessarily the same as the training settings.

You can find some example images in the following gallery:

The text encoder was not trained. You may reuse the base model text encoder for inference.

Training settings

  • Training epochs: 0
  • Training steps: 7000
  • Learning rate: 1e-06
  • Effective batch size: 96
    • Micro-batch size: 6
    • Gradient accumulation steps: 2
    • Number of GPUs: 8
  • Prediction type: epsilon
  • Rescaled betas zero SNR: False
  • Optimizer: AdamW, stochastic bf16
  • Precision: Pure BF16
  • Xformers: Not used

Datasets

photo-concept-bucket

  • Repeats: 0
  • Total number of images: ~557568
  • Total number of aspect buckets: 38
  • Resolution: 1.0 megapixels
  • Cropped: False
  • Crop style: None
  • Crop aspect: None

dalle3

  • Repeats: 0
  • Total number of images: ~984960
  • Total number of aspect buckets: 44
  • Resolution: 1.0 megapixels
  • Cropped: False
  • Crop style: None
  • Crop aspect: None

Inference

import torch
from diffusers import StableDiffusion3Pipeline



model_id = "sd3-reality-mix"
prompt = "ethnographic photography of teddy bear at a picnic holding a sign that says SOON, sitting next to a red sphere which is inside a capsule"
negative_prompt = "malformed, disgusting, overexposed, washed-out"

pipeline = DiffusionPipeline.from_pretrained(model_id)
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu')
image = pipeline(
    prompt=prompt,
    negative_prompt='blurry, cropped, ugly',
    num_inference_steps=30,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(1641421826),
    width=1152,
    height=768,
    guidance_scale=5.5,
    guidance_rescale=0.0,
).images[0]
image.save("output.png", format="PNG")

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
e8d2bb7

0 моделей