Stable Diffusion 2 1 Unclip Small

🚀 Stable Diffusion v2-1-unclip (small) 模型卡片

Stable Diffusion v2-1-unclip (small) 是一個基於文本生成圖像的模型，它在 Stable Diffusion 2.1 基礎上微調而來，支持通過文本提示和圖像嵌入生成圖像，可用於圖像變體生成等任務。

🚀 快速開始

使用 🤗's Diffusers 庫 可以簡單高效地運行 Stable Diffusion UnCLIP 2-1-small。

安裝依賴

pip install diffusers transformers accelerate scipy safetensors

運行示例

from diffusers import DiffusionPipeline
from diffusers.utils import load_image
import torch

pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-2-1-unclip-small", torch_dtype=torch.float16)
pipe.to("cuda")

# 獲取圖像
url = "https://huggingface.co/datasets/hf-internal-testing/diffusers-images/resolve/main/stable_unclip/tarsila_do_amaral.png"
image = load_image(url)

# 運行圖像變體
image = pipe(image).images[0]

✨ 主要特性

• 支持圖像嵌入：除文本提示外，還可接受（有噪聲的）CLIP 圖像嵌入，用於生成圖像變體。
• 噪聲級別可調節：可通過 noise_level 參數指定添加到圖像嵌入的噪聲量。

📚 詳細文檔

模型詳情

@InProceedings{Rombach_2022_CVPR,
    author    = {Rombach, Robin and Blattmann, Andreas and Lorenz, Dominik and Esser, Patrick and Ommer, Bj"orn},
    title     = {High-Resolution Image Synthesis With Latent Diffusion Models},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month     = {June},
    year      = {2022},
    pages     = {10684-10695}
}

使用方式

直接使用

該模型僅用於研究目的，可能的研究領域和任務包括：

• 安全部署有可能生成有害內容的模型。
• 探究和理解生成模型的侷限性和偏差。
• 藝術品生成，以及在設計和其他藝術過程中的應用。
• 在教育或創意工具中的應用。
• 生成模型的研究。

禁止使用場景

該模型不得用於故意創建或傳播對人造成敵對或排斥環境的圖像，包括生成人們可預見會感到不安、痛苦或冒犯的圖像，或傳播歷史或當前刻板印象的內容。具體包括但不限於：

• 生成貶低、非人化或以其他方式傷害人或其環境、文化、宗教等的表徵。
• 故意推廣或傳播歧視性內容或有害刻板印象。
• 在未經同意的情況下冒充個人。
• 未經可能看到該內容的人的同意而發佈性內容。
• 虛假和誤導性信息。
• 嚴重暴力和血腥的表徵。
• 違反使用條款分享受版權保護或許可的材料。
• 違反使用條款分享受版權保護或許可材料的修改內容。

侷限性和偏差

侷限性

• 模型無法實現完美的照片寫實主義。
• 模型無法渲染清晰可讀的文本。
• 模型在涉及組合性的更困難任務上表現不佳，例如渲染與 “一個紅色立方體在藍色球體上” 對應的圖像。
• 面部和人物通常可能無法正確生成。
• 模型主要使用英文標題進行訓練，在其他語言中的效果不佳。
• 模型的自動編碼部分存在信息損失。
• 模型在大規模數據集 LAION-5B 的一個子集上訓練，該數據集包含成人、暴力和性內容。為部分緩解此問題，使用 LAION 的 NFSW 檢測器對數據集進行了過濾（見訓練部分）。

偏差

雖然圖像生成模型的能力令人印象深刻，但它們也可能強化或加劇社會偏差。Stable Diffusion 主要在 LAION-2B(en) 的子集上訓練，該數據集的圖像僅限於英文描述。使用其他語言的社區和文化的文本和圖像可能未得到充分考慮。這影響了模型的整體輸出，因為白人和西方文化通常被設為默認。此外，模型使用非英文提示生成內容的能力明顯低於使用英文提示的能力。Stable Diffusion v2 反映並加劇了這種偏差，無論輸入或意圖如何，都建議觀眾謹慎使用。

訓練信息

訓練數據：模型開發者使用以下數據集訓練模型：

• LAION-5B 及其子集（詳情如下）。訓練數據使用 LAION 的 NSFW 檢測器進一步過濾，“p_unsafe” 分數為 0.1（保守）。更多詳情，請參考 LAION-5B 的 NeurIPS 2022 論文和關於該主題的評審討論。

環境影響

Stable Diffusion v1 估計排放量：根據相關信息，使用 Lacoste 等人 (2019) 中提出的 機器學習影響計算器 估計以下 CO2 排放量。使用硬件、運行時間、雲服務提供商和計算區域來估計碳影響。

• 硬件類型：A100 PCIe 40GB
• 使用時長：200000 小時
• 雲服務提供商：AWS
• 計算區域：美國東部
• 碳排放（功耗 x 時間 x 基於電網位置產生的碳）：15000 千克 CO2 當量

📄 許可證

該模型使用 CreativeML Open RAIL++-M 許可證。