Stable Diffusion 2 1 Unclip Small

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

Stable Diffusion v2-1-unclip (small) 是一个基于文本生成图像的模型，它在 Stable Diffusion 2.1 基础上微调而来，支持通过文本提示和图像嵌入生成图像，可用于图像变体生成等任务。

🚀 快速开始

使用 🤗's Diffusers 库 可以简单高效地运行 Stable Diffusion UnCLIP 2-1-small。

安装依赖

pip install diffusers transformers accelerate scipy safetensors

运行示例

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")

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

# 运行图像变体
image = pipe(image).images[0]

✨ 主要特性

• 支持图像嵌入：除文本提示外，还可接受（有噪声的）CLIP 图像嵌入，用于生成图像变体。
• 噪声级别可调节：可通过 noise_level 参数指定添加到图像嵌入的噪声量。

📚 详细文档

模型详情

@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

该模型仅用于研究目的，可能的研究领域和任务包括：

• 安全部署有可能生成有害内容的模型。
• 探究和理解生成模型的局限性和偏差。
• 艺术品生成，以及在设计和其他艺术过程中的应用。
• 在教育或创意工具中的应用。
• 生成模型的研究。

禁止使用场景

该模型不得用于故意创建或传播对人造成敌对或排斥环境的图像，包括生成人们可预见会感到不安、痛苦或冒犯的图像，或传播历史或当前刻板印象的内容。具体包括但不限于：

• 生成贬低、非人化或以其他方式伤害人或其环境、文化、宗教等的表征。
• 故意推广或传播歧视性内容或有害刻板印象。
• 在未经同意的情况下冒充个人。
• 未经可能看到该内容的人的同意而发布性内容。
• 虚假和误导性信息。
• 严重暴力和血腥的表征。
• 违反使用条款分享受版权保护或许可的材料。
• 违反使用条款分享受版权保护或许可材料的修改内容。

局限性和偏差

局限性

• 模型无法实现完美的照片写实主义。
• 模型无法渲染清晰可读的文本。
• 模型在涉及组合性的更困难任务上表现不佳，例如渲染与 “一个红色立方体在蓝色球体上” 对应的图像。
• 面部和人物通常可能无法正确生成。
• 模型主要使用英文标题进行训练，在其他语言中的效果不佳。
• 模型的自动编码部分存在信息损失。
• 模型在大规模数据集 LAION-5B 的一个子集上训练，该数据集包含成人、暴力和性内容。为部分缓解此问题，使用 LAION 的 NFSW 检测器对数据集进行了过滤（见训练部分）。

偏差

虽然图像生成模型的能力令人印象深刻，但它们也可能强化或加剧社会偏差。Stable Diffusion 主要在 LAION-2B(en) 的子集上训练，该数据集的图像仅限于英文描述。使用其他语言的社区和文化的文本和图像可能未得到充分考虑。这影响了模型的整体输出，因为白人和西方文化通常被设为默认。此外，模型使用非英文提示生成内容的能力明显低于使用英文提示的能力。Stable Diffusion v2 反映并加剧了这种偏差，无论输入或意图如何，都建议观众谨慎使用。

训练信息

训练数据：模型开发者使用以下数据集训练模型：

• LAION-5B 及其子集（详情如下）。训练数据使用 LAION 的 NSFW 检测器进一步过滤，“p_unsafe” 分数为 0.1（保守）。更多详情，请参考 LAION-5B 的 NeurIPS 2022 论文和关于该主题的评审讨论。

环境影响

Stable Diffusion v1 估计排放量：根据相关信息，使用 Lacoste 等人 (2019) 中提出的 机器学习影响计算器 估计以下 CO2 排放量。使用硬件、运行时间、云服务提供商和计算区域来估计碳影响。

• 硬件类型：A100 PCIe 40GB
• 使用时长：200000 小时
• 云服务提供商：AWS
• 计算区域：美国东部
• 碳排放（功耗 x 时间 x 基于电网位置产生的碳）：15000 千克 CO2 当量

📄 许可证

该模型使用 CreativeML Open RAIL++-M 许可证。