🚀 OmniGen：统一图像生成

OmniGen 是一个统一的图像生成模型，它能够根据多模态提示生成各种图像。该模型设计简洁、灵活且易于使用，为用户提供了便捷的图像生成体验。

🚀 快速开始

使用 OmniGen

通过 Github 安装（推荐）：

git clone https://github.com/staoxiao/OmniGen.git
cd OmniGen
pip install -e .

或者通过 pypi 安装：

pip install OmniGen

以下是一些使用示例：

from OmniGen import OmniGenPipeline

pipe = OmniGenPipeline.from_pretrained("Shitao/OmniGen-v1")

# 文本到图像
images = pipe(
    prompt="A curly-haired man in a red shirt is drinking tea.", 
    height=1024, 
    width=1024, 
    guidance_scale=2.5,
    seed=0,
)
images[0].save("example_t2i.png")  # 保存输出的 PIL 图像

# 多模态到图像
# 在提示中，我们使用占位符来表示图像。图像占位符的格式应为 <img><|image_*|></img>
# 你可以在 input_images 中添加多个图像。请确保每个图像都有其占位符。例如，对于列表 input_images [img1_path, img2_path]，提示需要有两个占位符：<img><|image_1|></img>，<img><|image_2|></img>。
images = pipe(
    prompt="A man in a black shirt is reading a book. The man is the right man in <img><|image_1|></img>.",
    input_images=["./imgs/test_cases/two_man.jpg"],
    height=1024, 
    width=1024,
    separate_cfg_infer=False,  # 如果出现内存不足的情况，你可以将 separate_cfg_infer 设置为 True
    guidance_scale=3, 
    img_guidance_scale=1.6
)
images[0].save("example_ti2i.png")  # 保存输出的 PIL 图像

有关推理参数的更多详细信息，请参考 docs/inference.md。 有关更多图像生成示例，你可以参考 inference.ipynb 和 inference_demo.ipynb。

使用 Diffusers

即将推出。

Gradio 演示

我们在 Huggingface 上构建了一个在线演示。 对于本地 Gradio 演示，你可以运行：

python app.py

✨ 主要特性

• 统一图像生成：OmniGen 是一个统一的图像生成模型，可根据多模态提示生成各种图像，无需额外的插件或操作。
• 简单灵活：设计简洁、灵活且易于使用，用户可以通过简单的步骤探索其更多功能。
• 多任务支持：能够执行多种任务，包括但不限于文本到图像生成、主题驱动生成、身份保留生成、图像编辑和图像条件生成。

📦 安装指南

通过 Github 安装（推荐）

git clone https://github.com/staoxiao/OmniGen.git
cd OmniGen
pip install -e .

通过 pypi 安装

pip install OmniGen

💻 使用示例

基础用法

from OmniGen import OmniGenPipeline

pipe = OmniGenPipeline.from_pretrained("Shitao/OmniGen-v1")

# 文本到图像
images = pipe(
    prompt="A curly-haired man in a red shirt is drinking tea.", 
    height=1024, 
    width=1024, 
    guidance_scale=2.5,
    seed=0,
)
images[0].save("example_t2i.png")  # 保存输出的 PIL 图像

高级用法

# 多模态到图像
# 在提示中，我们使用占位符来表示图像。图像占位符的格式应为 <img><|image_*|></img>
# 你可以在 input_images 中添加多个图像。请确保每个图像都有其占位符。例如，对于列表 input_images [img1_path, img2_path]，提示需要有两个占位符：<img><|image_1|></img>，<img><|image_2|></img>。
images = pipe(
    prompt="A man in a black shirt is reading a book. The man is the right man in <img><|image_1|></img>.",
    input_images=["./imgs/test_cases/two_man.jpg"],
    height=1024, 
    width=1024,
    separate_cfg_infer=False,  # 如果出现内存不足的情况，你可以将 separate_cfg_infer 设置为 True
    guidance_scale=3, 
    img_guidance_scale=1.6
)
images[0].save("example_ti2i.png")  # 保存输出的 PIL 图像

📚 详细文档

模型概述

OmniGen 是一个统一的图像生成模型，能够从多模态提示中生成广泛的图像。它旨在简单、灵活且易于使用。我们提供了 推理代码，以便每个人都能探索 OmniGen 的更多功能。

模型能力

OmniGen 可以执行多种任务，包括但不限于文本到图像生成、主题驱动生成、身份保留生成、图像编辑和图像条件生成。它无需额外的插件或操作，可根据文本提示自动识别输入图像中的特征（例如所需对象、人体姿势、深度映射）。

模型微调

我们提供了一个训练脚本 train.py 来微调 OmniGen。有关更多详细信息（例如全量微调），请参考 docs/finetune.md。

🔧 技术细节

现有图像生成模型通常需要加载多个额外的网络模块（如 ControlNet、IP - Adapter、Reference - Net 等），并执行额外的预处理步骤（如人脸检测、姿势估计、裁剪等）才能生成令人满意的图像。而 OmniGen 致力于打造更简单灵活的未来图像生成范式，即通过任意多模态指令直接生成各种图像，无需额外的插件和操作，类似于 GPT 在语言生成中的工作方式。

📄 许可证

本仓库遵循 MIT 许可证。

引用

如果你觉得这个仓库有用，请考虑给它点个星 ⭐ 并引用：

@article{xiao2024omnigen,
  title={Omnigen: Unified image generation},
  author={Xiao, Shitao and Wang, Yueze and Zhou, Junjie and Yuan, Huaying and Xing, Xingrun and Yan, Ruiran and Wang, Shuting and Huang, Tiejun and Liu, Zheng},
  journal={arXiv preprint arXiv:2409.11340},
  year={2024}
}

更多信息请参考我们的 Github 仓库：https://github.com/VectorSpaceLab/OmniGen