Stable Diffusion Xl Refiner 1.0 GGUF

🚀 stable-diffusion-xl-refiner-1.0-GGUF

本项目基于Stable Diffusion技术，提供了图像生成和修改的能力。通过特定的量化配置和模型架构，可根据文本提示生成高质量图像，适用于艺术创作、教育工具等研究领域。

📄 许可证

本项目采用 CreativeML Open RAIL++-M License 许可协议。

📦 安装指南

升级 diffusers 库

pip install diffusers --upgrade

安装其他依赖库

pip install invisible_watermark transformers accelerate safetensors

💻 使用示例

基础用法

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

高级用法

使用 torch.compile 提升推理速度

当使用 torch >= 2.0 时，可通过 torch.compile 提升 20 - 30% 的推理速度。在运行管道前，用 torch.compile 包装 unet：

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

启用 CPU 卸载

如果受限于 GPU 显存，可调用 pipe.enable_model_cpu_offload 启用 CPU 卸载，而不是使用 .to("cuda")：

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

📚 详细文档

模型信息

量化信息

模型架构

SDXL 由一个用于潜在扩散的 专家集成 管道组成： 第一步，使用基础模型（可在 https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0 获取）生成（有噪声的）潜在变量，然后使用专门用于最终去噪步骤的细化模型对其进行进一步处理。请注意，基础模型可以作为独立模块使用。

或者，我们可以使用如下的两阶段管道： 首先，使用基础模型生成所需输出大小的潜在变量。第二步，使用专门的高分辨率模型，并对第一步生成的潜在变量应用一种称为 SDEdit（https://arxiv.org/abs/2108.01073，也称为 “img2img”）的技术，使用相同的提示。这种技术比第一种方法稍慢，因为它需要更多的函数评估。

源代码可在 https://github.com/Stability-AI/generative-models 获取。

评估结果

上图评估了用户对 SDXL（有和没有细化）相对于 SDXL 0.9 以及 Stable Diffusion 1.5 和 2.1 的偏好。SDXL 基础模型的表现明显优于之前的版本，而与细化模块结合的模型则实现了最佳的整体性能。

🔧 技术细节

模型来源

为了进行研究，我们推荐使用 generative-models GitHub 仓库（https://github.com/Stability-AI/generative-models），该仓库实现了最流行的扩散框架（包括训练和推理），并且会随着时间的推移添加新的功能，如蒸馏。 Clipdrop 提供免费的 SDXL 推理服务。

模型使用范围

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：

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

超出范围的使用

该模型并非用于生成真实或准确反映人物或事件的内容，因此使用该模型生成此类内容超出了其能力范围。

局限性和偏差

局限性

• 模型无法实现完美的照片级真实感。
• 模型无法渲染清晰可读的文本。
• 模型在处理涉及组合性的更复杂任务时存在困难，例如渲染与 “一个红色立方体放在蓝色球体上” 对应的图像。
• 面部和人物的生成可能不够理想。
• 模型的自动编码部分存在信息损失。

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。

⚠️ 重要提示

本模型仅支持 gpustack/llama-box v0.0.75+ 版本。

💡 使用建议

更多高级用例，请参考 文档。