许可协议: creativeml-openrail-m
标签:

• 稳定扩散

• 稳定扩散-扩散器

• 文本生成图像
  推理: 否
  额外授权提示: |-
  本模型采用CreativeML OpenRAIL-M许可证开放访问，所有用户均可使用。该许可证明确规定：

  1. 禁止利用模型故意生成或传播非法、有害内容
  2. 模型开发者对用户生成内容不主张任何权利，使用者需自行负责内容合规性
  3. 允许商用及二次分发，但必须包含相同使用限制条款并向所有用户提供许可证副本
     完整许可证请查阅: https://huggingface.co/spaces/CompVis/stable-diffusion-license

额外授权标题: 请阅读许可证以使用本模型

稳定扩散v1-3模型卡

稳定扩散是一种基于潜在扩散模型的文本生成图像技术，可根据文本输入生成逼真图像。详细了解其原理请参阅🤗扩散器博客。

Stable-Diffusion-v1-3检查点基于v1-2版本权重，在"laion-improved-aesthetics"数据集上以512x512分辨率进行195,000步微调，并采用10%文本条件丢弃策略以优化无分类器引导采样。

模型详情

• 开发者: Robin Rombach, Patrick Esser
• 类型: 基于扩散的文本生成图像模型
• 语言: 英语
• 许可证: CreativeML OpenRAIL M许可证
• 技术说明: 采用潜在扩散模型架构，使用固定预训练文本编码器(CLIP ViT-L/14)
• 资源: GitHub仓库, 论文

使用示例

推荐使用🤗扩散器库:

import torch  
from diffusers import StableDiffusionPipeline  

pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-3")  
image = pipe("宇航员在火星骑马的照片")["sample"][0]  
image.save("astronaut_rides_horse.png")  

使用限制

• 研究用途: 艺术创作、教育工具、生成模型研究等
• 禁止用途:
  • 生成暴力/歧视性内容
  • 侵犯版权材料
  • 非自愿成人内容
  • 虚假信息传播

局限性

• 无法完美呈现文字
• 复杂构图效果欠佳
• 非英语提示效果较差
• 存在西方文化偏见

训练数据

基于LAION-2B(en)数据集子集训练

环境影响

碳排放估算:

• 硬件: A100 PCIe 40GB
• 训练时长: 150,000小时
• 预估碳排: 11,250 kg CO2当量

引用

@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)},  
    year      = {2022}  
}  

本模型卡基于DALL-E Mini模型卡编写