/ Модель

Характеристики

Лицензия
MIT
Архитектура
minit2i · dense
Библиотека
transformers
Опубликована
24 июн 2026

minit2i-transformer

Генерация изображенийТекст → изображение3 профессии

Трансформерный диффузионный блок MiniT2I для генерации изображений по текстовым эмбеддингам.

12скачиваний за 30 дней0лайковвеса обновлены24 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

toilaluan/minit2i-transformer — реализация трансформерного диффузионного блока MiniT2I с backbone MMJiT в формате модели Hugging Face Transformers. Модель предсказывает чистое изображение по зашумлённому входу, используя контекстные текстовые эмбеддинги flan-t5-large. В метаданных указаны архитектура MiniT2ITransformer, библиотека Transformers и формат весов safetensors.

Модель предназначена для генерации изображений по текстовым описаниям в составе MiniT2I. Для работы нужны текстовый энкодер, например flan-t5-large, а также библиотека minit2i, предоставляющая расписание flow matching, classifier-free guidance и цикл сэмплирования. Репозиторий распространяется по лицензии MIT. README указывает загрузку через trust_remote_code.

Сценарии применения

  • генерация изображений по текстовым описаниям в составе MiniT2I
  • интеграция диффузионного трансформера в приложение на Hugging Face Transformers
  • эксперименты с генерацией изображений на основе flow matching

Ограничения

Компонент не включает текстовый энкодер, расписание генерации и цикл сэмплирования; для генерации нужны отдельные зависимости. Загрузка требует trust_remote_code.

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

MiniT2I Transformer

The MiniT2I diffusion transformer (MMJiT backbone) as a plain 🤗 transformers model. Loads with trust_remote_code — no diffusers, no MiniT2I install.

import torch
from transformers import AutoModel

transformer = AutoModel.from_pretrained(
    "<user>/minit2i-transformer", trust_remote_code=True, dtype=torch.bfloat16
)

It predicts the clean image from a noised input and conditions on flan-t5-large text embeddings (forward(img, context, attn_mask)). The flow-matching schedule, classifier-free guidance and sampling loop are provided by the minit2i library; pair this with a text encoder repo (e.g. <user>/text_encoder) to generate images.

Citation

@misc{minit2i2026,
  title  = {MiniT2I: A Minimalist Baseline for Text-to-Image Synthesis},
  author = {Wang, Xianbang and Zhao, Hanhong and Lu, Yiyang and Zhou, Kangyang and Ma, Linrui and He, Kaiming},
  year   = {2026},
  url    = {https://peppaking8.github.io/#/post/minit2i}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Класс архитектуры
MiniT2ITransformer
Ревизия весов
2585bbf

0 моделей