Hidream I1

🚀 hidream-controlnet-lora-test

このプロジェクトは、HiDream-ai/HiDream-I1-Full をベースにした ControlNet PEFT LoRA です。テキストから画像、画像から画像への変換に使用でき、一定の画像生成能力を備えています。

🚀 クイックスタート

推論の例

import torch
from diffusers import DiffusionPipeline

model_id = 'HiDream-ai/HiDream-I1-Full'
adapter_id = 'bghira/hidream-controlnet-lora-test'
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # loading directly in bf16
pipeline.load_lora_weights(adapter_id)

prompt = "A photo-realistic image of a cat"
negative_prompt = 'ugly, cropped, blurry, low-quality, mediocre average'

## Optional: quantise the model to save on vram.
## Note: The model was quantised during training, and so it is recommended to do the same during inference time.
from optimum.quanto import quantize, freeze, qint8
quantize(pipeline.transformer, weights=qint8)
freeze(pipeline.transformer)
    
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu') # the pipeline is already in its target precision level
model_output = pipeline(
    prompt=prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=16,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
    width=256,
    height=256,
    guidance_scale=4.0,
).images[0]

model_output.save("output.png", format="PNG")

✨ 主な機能

• ControlNet PEFT LoRA 技術をベースに、HiDream-ai/HiDream-I1-Full モデルから派生しています。
• テキストエンコーダは学習されておらず、推論時にはベースモデルのテキストエンコーダを再利用できます。

🔧 技術詳細

検証設定

• CFG：4.0
• CFG Rescale：0.0
• ステップ数：16
• サンプラー：FlowMatchEulerDiscreteScheduler
• シード：42
• 解像度：256x256

注意：検証設定は必ずしも学習設定と同じではありません。

学習設定

データセット

antelope - data - 256

• 繰り返し回数：0
• 画像総数：29
• アスペクト比バケット総数：1
• 解像度：0.065536 メガピクセル
• クロップ有無：有り
• クロップスタイル：中央
• クロップアスペクト比：正方形
• 正則化データとしての使用有無：無し

📄 ライセンス

このプロジェクトは他のライセンスを使用しています。