Sdxs 512 Dreamshaper

🚀 SDXS-512-DreamShaper

SDXS是一個能夠基於提示文本即時生成高分辨率圖像的模型，它採用分數蒸餾和特徵匹配技術進行訓練。更多信息，請參考我們的研究論文：SDXS: Real-Time One-Step Latent Diffusion Models with Image Conditions。我們將該模型作為研究的一部分進行了開源。

SDXS-512-DreamShaper是我們專門為社區訓練的版本。該模型在訓練時不關注FID指標，為了獲得更好的圖像生成質量而犧牲了多樣性。為了避免一些可能的風險，SDXS-512-1.0和SDXS-1024-1.0版本將在短期內不再提供。請關注我們的倉庫以獲取最新更新。

✨ 主要特性

• 能夠根據提示文本即時生成高分辨率圖像。
• 採用分數蒸餾和特徵匹配技術進行訓練。
• 為社區專門訓練的版本，犧牲多樣性以換取更好的圖像生成質量。

📦 安裝指南

文檔中未提及具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

import torch
from diffusers import StableDiffusionPipeline, AutoencoderKL

repo = "IDKiro/sdxs-512-dreamshaper"
seed = 42
weight_type = torch.float16     # or float32

# Load model.
pipe = StableDiffusionPipeline.from_pretrained(repo, torch_dtype=weight_type)
pipe.to("cuda")

prompt = "a close-up picture of an old man standing in the rain"

# Ensure using 1 inference step and CFG set to 0.
image = pipe(
    prompt, 
    num_inference_steps=1, 
    guidance_scale=0,
    generator=torch.Generator(device="cuda").manual_seed(seed)
).images[0]

image.save("output.png")

模型信息

引用我們的工作

@article{song2024sdxs,
  author    = {Yuda Song, Zehao Sun, Xuanwu Yin},
  title     = {SDXS: Real-Time One-Step Latent Diffusion Models with Image Conditions},
  journal   = {arxiv},
  year      = {2024},
}

📄 許可證

本模型採用OpenRAIL++許可證。