Stable Diffusion Xl Refiner 1.0 With Endpoint Handler

🚀 SD-XL 1.0 精煉器模型卡片

SD-XL 1.0 精煉器模型是基於文本提示生成和修改圖像的強大工具，通過獨特的潛在擴散管道，能生成高質量的圖像，在圖像生成領域具有重要的研究價值。

🚀 快速開始

安裝依賴

確保將 diffusers 升級到 >= 0.18.0：

pip install diffusers --upgrade

此外，還需安裝 transformers、safetensors、accelerate 以及 invisible_watermark：

pip install invisible_watermark transformers accelerate safetensors

使用精煉器改進圖像

import torch
from diffusers import StableDiffusionXLImg2ImgPipeline
from diffusers.utils import load_image

pipe = StableDiffusionXLImg2ImgPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-refiner-1.0", torch_dtype=torch.float16, variant="fp16", use_safetensors=True
)
pipe = pipe.to("cuda")
url = "https://huggingface.co/datasets/patrickvonplaten/images/resolve/main/aa_xl/000000009.png"

init_image = load_image(url).convert("RGB")
prompt = "a photo of an astronaut riding a horse on mars"
image = pipe(prompt, image=init_image).images

提升推理速度

當使用 torch >= 2.0 時，可通過 torch.compile 提升 20 - 30% 的推理速度。在運行管道前，用 torch.compile 包裝 unet：

pipe.unet = torch.compile(pipe.unet, mode="reduce-overhead", fullgraph=True)

處理 GPU 顯存限制

若受限於 GPU 顯存，可調用 pipe.enable_model_cpu_offload 啟用 CPU 卸載，而非使用 .to("cuda")：

- pipe.to("cuda")
+ pipe.enable_model_cpu_offload()

更多高級用例，請查看 文檔。

✨ 主要特性

• 集成專家管道：SDXL 採用 集成專家 管道進行潛在擴散。先由基礎模型生成（有噪聲的）潛在變量，再由精煉模型進行最終去噪處理。基礎模型也可單獨使用。
• 兩階段管道可選：可先使用基礎模型生成所需輸出大小的潛在變量，再使用專門的高分辨率模型和 SDEdit 技術（https://arxiv.org/abs/2108.01073，即“img2img”）對潛在變量進行處理。

📦 安裝指南

升級 diffusers

pip install diffusers --upgrade

安裝其他依賴

pip install invisible_watermark transformers accelerate safetensors

💻 使用示例

基礎用法

import torch
from diffusers import StableDiffusionXLImg2ImgPipeline
from diffusers.utils import load_image

pipe = StableDiffusionXLImg2ImgPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-refiner-1.0", torch_dtype=torch.float16, variant="fp16", use_safetensors=True
)
pipe = pipe.to("cuda")
url = "https://huggingface.co/datasets/patrickvonplaten/images/resolve/main/aa_xl/000000009.png"

init_image = load_image(url).convert("RGB")
prompt = "a photo of an astronaut riding a horse on mars"
image = pipe(prompt, image=init_image).images

高級用法

當使用 torch >= 2.0 時，可通過 torch.compile 提升推理速度：

import torch
from diffusers import StableDiffusionXLImg2ImgPipeline
from diffusers.utils import load_image

pipe = StableDiffusionXLImg2ImgPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-refiner-1.0", torch_dtype=torch.float16, variant="fp16", use_safetensors=True
)
pipe.unet = torch.compile(pipe.unet, mode="reduce-overhead", fullgraph=True)
pipe = pipe.to("cuda")
url = "https://huggingface.co/datasets/patrickvonplaten/images/resolve/main/aa_xl/000000009.png"

init_image = load_image(url).convert("RGB")
prompt = "a photo of an astronaut riding a horse on mars"
image = pipe(prompt, image=init_image).images

📚 詳細文檔

模型

SDXL 由用於潛在擴散的 集成專家 管道組成： 第一步，使用基礎模型（可在 https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0 獲取）生成（有噪聲的）潛在變量，然後使用專門的精煉模型對其進行最終去噪處理。需注意，基礎模型可單獨使用。

另外，也可使用兩階段管道： 首先，使用基礎模型生成所需輸出大小的潛在變量。第二步，使用專門的高分辨率模型，並對第一步生成的潛在變量應用 SDEdit 技術（https://arxiv.org/abs/2108.01073，也稱為“img2img”），使用相同的提示。此技術比第一種稍慢，因為需要更多的函數評估。

源代碼可在 https://github.com/Stability-AI/generative-models 獲取。

模型描述

模型來源

出於研究目的，推薦使用我們的 generative-models GitHub 倉庫（https://github.com/Stability-AI/generative-models），該倉庫實現了最流行的擴散框架（包括訓練和推理），並會逐步添加新功能，如蒸餾。 Clipdrop 提供免費的 SDXL 推理。

• 倉庫：https://github.com/Stability-AI/generative-models
• 演示：https://clipdrop.co/stable-diffusion

評估

上圖評估了用戶對 SDXL（有和無精煉）相對於 SDXL 0.9 以及 Stable Diffusion 1.5 和 2.1 的偏好。SDXL 基礎模型的性能明顯優於之前的版本，結合精煉模塊的模型整體性能最佳。

用途

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：

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

超出範圍的使用

該模型並非用於生成真實或準確反映人物或事件的內容，因此使用該模型生成此類內容超出了其能力範圍。

侷限性和偏差

侷限性

• 模型無法實現完美的照片級真實感。
• 模型無法渲染清晰可讀的文本。
• 模型在處理涉及組合性的複雜任務時存在困難，例如渲染與“紅色立方體放在藍色球體上”對應的圖像。
• 面部和人物的生成可能不夠理想。
• 模型的自動編碼部分存在信息損失。

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。

📄 許可證

該模型使用 CreativeML Open RAIL++ - M 許可證。