/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2_vl · dense
Библиотека
diffusers
Опубликована
12 дек 2024

EasyRef

Генерация изображенийТекст → изображение3 профессии

EasyRef переносит визуальную идентичность и другие общие признаки нескольких референсных изображений в генерацию новых изображений.

1 091скачиваний за 30 дней3лайкавеса обновлены15 июл 2025

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

EasyRef — мультимодальная модель, разработанная авторами проекта EasyRef, для переноса согласованных визуальных признаков из нескольких референсных изображений в генерацию изображений. Она предназначена для сценариев, где нужно сохранить идентичность персонажа или другие общие элементы группы изображений при создании новых изображений; заявлен zero-shot режим. В демонстрации используется связка с SDXL.

Модель имеет архитектуру Qwen2-VL и около 1,5 млрд параметров. Она принимает текст и изображения, а результат генерации — изображение. Для лучшей согласованности рекомендуется передавать более двух референсов, особенно квадратные фотографии лица, где лицо занимает большую часть кадра; совместная подача изображений и непустого текстового запроса также улучшает результаты. Понижение параметра scale увеличивает разнообразие, но снижает согласованность. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • создание изображений персонажа с сохранением его внешности по нескольким фото
  • генерация вариантов изображения на основе группы референсов
  • создание изображений по текстовому запросу с визуальными референсами
  • сохранение общего визуального элемента при генерации изображений

Ограничения

Для хорошего сохранения идентичности рекомендуется использовать более двух референсов, предпочтительно квадратные фотографии лица с крупным планом. Понижение scale повышает разнообразие результатов, но ослабляет согласованность.

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

EasyRef Model Card

Project Page | Paper | Code | 🤗 Demo

Introduction

EasyRef is capable of modeling the consistent visual elements of various group image references with a single generalist multimodal LLM in a zero-shot setting.

Demos

More visualization examples are available in our project page.

Style, Identity, and Character Preservation

Comparison with IP-Adapter

Compatibility with ControlNet

Inference

We provide the inference code of EasyRef with SDXL in easyref_demo.

Usage Tips

  • EasyRef performs best when provided with multiple reference images (more than 2).
  • To ensure better identity preservation, we strongly recommend that users upload multiple square face images, ensuring the face occupies the majority of each image.
  • Using multimodal prompts (both reference images and non-empty text prompt) can achieve better results.
  • We set scale=1.0 by default. Lowering the scale value leads to more diverse but less consistent generation results.

Cite

If you find EasyRef useful for your research and applications, please cite us using this BibTeX:

@article{easyref,
  title={EasyRef: Omni-Generalized Group Image Reference for Diffusion Models via Multimodal LLM},
  author={Zong, Zhuofan and Jiang, Dongzhi and Ma, Bingqi and Song, Guanglu and Shao, Hao and Shen, Dazhong and Liu, Yu and Li, Hongsheng},
  journal={arXiv preprint arXiv:2412.09618},  
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Класс архитектуры
Qwen2VLForConditionalGeneration
Ревизия весов
0ccc753

0 моделей