/ Модель

Характеристики

Лицензия
MIT
Опубликована
20 янв 2023

instruct-pix2pix

Генерация изображенийТекст → изображение3 профессии

Модель редактирует изображения по текстовым инструкциям, используя исходное изображение и описание нужного изменения.

47 638скачиваний за 30 дней1 182лайкавеса обновлены5 июл 2023

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

InstructPix2Pix — модель редактирования изображений по текстовым инструкциям, разработанная Тимом Бруксом и соавторами. Она принимает исходное изображение и текстовое описание желаемого изменения и создаёт отредактированное изображение.

Модель предназначена для сценариев интерактивного редактирования: например, изменить стиль или цвет объекта, добавить либо убрать элементы, сохранив связь результата с исходным изображением и инструкцией. Репозиторий содержит веса в формате Diffusers, PyTorch и Safetensors; для запуска используется StableDiffusionInstructPix2PixPipeline из библиотеки Diffusers.

Модель распространяется по лицензии MIT. В предоставленной карточке не приведены сведения о её ограничениях качества или поддерживаемых языках; надёжность результата может зависеть от формулировки инструкции и содержания исходного изображения.

Сценарии применения

  • изменение стиля фотографии по текстовой команде
  • смена цвета или внешнего вида объекта на изображении
  • добавление объектов в исходное изображение
  • удаление или изменение элементов сцены
  • создание вариантов изображения по инструкции

Ограничения

Результат зависит от формулировки инструкции и содержания исходного изображения; конкретные ограничения качества в карточке не описаны.

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

InstructPix2Pix: Learning to Follow Image Editing Instructions

GitHub: https://github.com/timothybrooks/instruct-pix2pix

Example

To use InstructPix2Pix, install diffusers using main for now. The pipeline will be available in the next release

pip install diffusers accelerate safetensors transformers
import PIL
import requests
import torch
from diffusers import StableDiffusionInstructPix2PixPipeline, EulerAncestralDiscreteScheduler

model_id = "timbrooks/instruct-pix2pix"
pipe = StableDiffusionInstructPix2PixPipeline.from_pretrained(model_id, torch_dtype=torch.float16, safety_checker=None)
pipe.to("cuda")
pipe.scheduler = EulerAncestralDiscreteScheduler.from_config(pipe.scheduler.config)

url = "https://raw.githubusercontent.com/timothybrooks/instruct-pix2pix/main/imgs/example.jpg"
def download_image(url):
    image = PIL.Image.open(requests.get(url, stream=True).raw)
    image = PIL.ImageOps.exif_transpose(image)
    image = image.convert("RGB")
    return image
image = download_image(url)

prompt = "turn him into cyborg"
images = pipe(prompt, image=image, num_inference_steps=10, image_guidance_scale=1).images
images[0]

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
31519b5

0 моделей