Protogen X5.3 Official Release

🚀 Protogen x5.3（照片寫實風格）官方發佈版

Protogen x5.3是一款圖像生成模型，由darkstorm2150研發。該模型基於Stable Diffusion進行微調，在人物及環境的圖像生成上表現出色，能生成高分辨率、細節豐富的寫實圖像。

🚀 快速開始

模型下載與安裝

要運行此模型，需下載 model.ckpt 文件，並將其安裝到 stable-diffusion-webui\models\Stable-diffusion 目錄中。

在線體驗

我們支持 Gradio Web UI，你可以點擊以下按鈕在線體驗：

✨ 主要特性

• 精細的圖像生成：該模型在768px到1024px的分辨率下，對人物和周圍環境的採樣效果更佳，能夠生成細節豐富、高度逼真的圖像。
• 可定製性強：可以通過調整負向提示詞和使用特定的模板，更好地控制生成圖像的風格和內容。
• 支持多種格式：提供 .ckpt 和 .safetensors 兩種格式的模型文件供用戶選擇。

📦 安裝指南

要運行此模型，需下載模型文件並將其安裝到指定目錄：

1. 下載 model.ckpt 文件。
2. 將下載的文件安裝到 stable-diffusion-webui\models\Stable-diffusion 目錄中。

💻 使用示例

基礎用法

from diffusers import StableDiffusionPipeline, DPMSolverMultistepScheduler
import torch

prompt = (
"modelshoot style, (extremely detailed CG unity 8k wallpaper), full shot body photo of the most beautiful artwork in the world, "
"english medieval witch, black silk vale, pale skin, black silk robe, black cat, necromancy magic, medieval era, "
"photorealistic painting by Ed Blinkey, Atey Ghailan, Studio Ghibli, by Jeremy Mann, Greg Manchess, Antonio Moro, trending on ArtStation, "
"trending on CGSociety, Intricate, High Detail, Sharp focus, dramatic, photorealistic painting art by midjourney and greg rutkowski"
)

model_id = "darkstorm2150/Protogen_v5.3_Official_Release"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe.scheduler = DPMSolverMultistepScheduler.from_config(pipe.scheduler.config)
pipe = pipe.to("cuda")

image = pipe(prompt, num_inference_steps=25).images[0]

image.save("./result.jpg")

📚 詳細文檔

模型控制

• 負向提示詞：建議在負向提示詞中添加 nude、naked 等詞彙，因為該模型生成的圖像可能包含一些敏感內容。
• 寫實風格模板：可以使用以下模板來生成更寫實的圖像：

modelshoot style, (extremely detailed 8k wallpaper),a medium shot photo of a (what you want here), Intricate, High Detail, dramatic

模型下載

• CKPT格式：
  • 下載 ProtoGen x5.3.ckpt (4.27GB)
  • 下載 ProtoGen x5.3-pruned-fp16.ckpt (1.89GB)
• Safetensors格式：
  • 下載 ProtoGen x5.3.safetensors (4.27GB)
  • 下載 ProtoGen x5.3-pruned-fp16.safetensors (1.89GB)

檢查點合併數據參考

🔧 技術細節

粒度自適應學習

粒度自適應學習是一種機器學習技術，它專注於在細粒度層面上調整學習過程，而不是對模型進行全局調整。這種方法使模型能夠適應數據中的特定模式或特徵，而不是基於一般趨勢做出假設。

粒度自適應學習可以通過主動學習等技術實現，主動學習允許模型選擇它想要學習的數據；也可以通過強化學習實現，在強化學習中，模型會收到關於其性能的反饋，並根據該反饋進行調整。此外，還可以通過在線學習等技術實現，在線學習使模型在接收更多數據時自行調整。

粒度自適應學習通常用於數據高度多樣化或非平穩的情況，以及模型需要快速適應變化模式的場景。這在機器人技術、金融市場和自然語言處理等動態環境中經常出現。

📄 許可證

通過下載此模型，即表示你同意以下許可證的條款：

• CreativeML Open RAIL - M
• Dreamlike License
• Seek Art Mega License