/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
10 июн 2026

DiP

Генерация изображенийТекст → изображение

DiP — пиксельная диффузионная модель для эффективной безусловной генерации изображений.

0скачиваний за 30 дней15лайковвеса обновлены10 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

DiP — модель генерации изображений на основе диффузии в пиксельном пространстве, представленная авторами карточки. Архитектура сочетает Diffusion Transformer (DiT), который работает с крупными патчами и формирует глобальную структуру изображения, и совместно обученную лёгкую Patch Detailer Head для восстановления локальных деталей. Модель не использует VAE.

DiP предназначена для безусловной генерации изображений, в частности изображений ImageNet размером 256×256. В README заявлены ускорение инференса до 10 раз по сравнению с предшествующим методом при увеличении числа параметров лишь на 0,3% и результат FID 1,79 на ImageNet 256×256. Модель распространяется под лицензией Apache-2.0.

Сценарии применения

  • безусловная генерация изображений размером 256×256
  • синтез изображений в стиле и распределении ImageNet
  • эксперименты с диффузионной генерацией в пиксельном пространстве

Ограничения

В README заявлены результаты для ImageNet 256×256; качество и применимость к другим наборам данных и разрешениям не описаны. Модель безусловная и не предназначена для генерации изображений по текстовому запросу.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DiP: Taming Diffusion Models in Pixel Space

Introduction

Diffusion models face a fundamental trade-off between generation quality and computational efficiency. Latent Diffusion Models (LDMs) offer an efficient solution but suffer from potential information loss and non-end-to-end training. In contrast, existing pixel space models bypass VAEs but are computationally prohibitive for high-resolution synthesis. To resolve this dilemma, we propose DiP, an efficient pixel space diffusion framework. DiP decouples generation into a global and a local stage: a Diffusion Transformer (DiT) backbone operates on large patches for efficient global structure construction, while a co-trained lightweight Patch Detailer Head leverages contextual features to restore fine-grained local details. This synergistic design achieves computational efficiency comparable to LDMs without relying on a VAE. DiP is accomplished with up to 10x faster inference speeds than previous method while increasing the total number of parameters by only 0.3%, and achieves an 1.79 FID score on ImageNet 256x256.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов
9c2ecc1

0 моделей