Quilt 1m Finetuned Sd3.5

🚀 quilt-1m-finetuned-sd3.5

本项目是基于 sd3/unknown-model 进行的全秩微调模型。它主要用于文本到图像的生成任务，能根据输入的文本描述生成逼真的图像。

🚀 快速开始

你可以参考以下代码示例进行推理：

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

• 基于预训练模型进行全秩微调，提升图像生成效果。
• 支持文本到图像、图像到图像的生成任务。
• 可通过调整推理参数生成不同风格和分辨率的图像。

📚 详细文档

验证设置

• CFG：3.0
• CFG Rescale：0.0
• 步数：20
• 采样器：FlowMatchEulerDiscreteScheduler
• 种子：42
• 分辨率：1024x1024
• 跳过层引导：

注意：验证设置不一定与训练设置相同。

你可以在以下图库中找到一些示例图像：

文本编码器未进行训练，你可以重用基础模型的文本编码器进行推理。

训练设置

数据集

images-512

• 重复次数：1
• 图像总数：~417748
• 纵横比桶总数：1
• 分辨率：0.262144 兆像素
• 裁剪：是
• 裁剪风格：随机
• 裁剪纵横比：方形
• 是否用于正则化数据：否

images-768

• 重复次数：1
• 图像总数：~266740
• 纵横比桶总数：1
• 分辨率：0.589824 兆像素
• 裁剪：是
• 裁剪风格：随机
• 裁剪纵横比：方形
• 是否用于正则化数据：否

images-1024

• 重复次数：1
• 图像总数：~246816
• 纵横比桶总数：1
• 分辨率：1.048576 兆像素
• 裁剪：是
• 裁剪风格：随机
• 裁剪纵横比：方形
• 是否用于正则化数据：否

📄 许可证

本项目使用其他许可证。