Quilt 1m Finetuned Sd3.5

🚀 quilt-1m-finetuned-sd3.5

本項目是基於 sd3/unknown-model 進行的全秩微調模型。它主要用於文本到圖像的生成任務，能根據輸入的文本描述生成逼真的圖像。

🚀 快速開始

你可以參考以下代碼示例進行推理：

import torch
from diffusers import DiffusionPipeline

model_id = 'Minh-Ha/quilt-1m-finetuned-sd3.5'
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # loading directly in bf16

prompt = "A photo-realistic pathology image"
negative_prompt = 'blurry, cropped, ugly'

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=20,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
    width=1024,
    height=1024,
    guidance_scale=3.0,
).images[0]

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

✨ 主要特性

• 基於預訓練模型進行全秩微調，提升圖像生成效果。
• 支持文本到圖像、圖像到圖像的生成任務。
• 可通過調整推理參數生成不同風格和分辨率的圖像。

📚 詳細文檔

驗證設置

• CFG：3.0
• CFG Rescale：0.0
• 步數：20
• 採樣器：FlowMatchEulerDiscreteScheduler
• 種子：42
• 分辨率：1024x1024
• 跳過層引導：

注意：驗證設置不一定與訓練設置相同。

你可以在以下圖庫中找到一些示例圖像：

文本編碼器未進行訓練，你可以重用基礎模型的文本編碼器進行推理。

訓練設置

數據集

images-512

• 重複次數：1
• 圖像總數：~417748
• 縱橫比桶總數：1
• 分辨率：0.262144 兆像素
• 裁剪：是
• 裁剪風格：隨機
• 裁剪縱橫比：方形
• 是否用於正則化數據：否

images-768

• 重複次數：1
• 圖像總數：~266740
• 縱橫比桶總數：1
• 分辨率：0.589824 兆像素
• 裁剪：是
• 裁剪風格：隨機
• 裁剪縱橫比：方形
• 是否用於正則化數據：否

images-1024

• 重複次數：1
• 圖像總數：~246816
• 縱橫比桶總數：1
• 分辨率：1.048576 兆像素
• 裁剪：是
• 裁剪風格：隨機
• 裁剪縱橫比：方形
• 是否用於正則化數據：否

📄 許可證

本項目使用其他許可證。