许可协议: 其他 协议名称: playground-v2dot5-community 协议链接: https://huggingface.co/playgroundai/playground-v2.5-1024px-aesthetic/blob/main/LICENSE.md 标签:

• 文生图
• playground 推理参数: 引导系数: 3.0

Playground v2.5 – 1024px美学模型

本仓库包含一个能生成1024x1024分辨率及多种纵横比美学图像的开源模型，可通过Hugging Face 🧨 Diffusers使用。

Playground v2.5是基于扩散原理的文生图模型，是Playground v2的升级版本。

该模型在美学质量上处于开源领域的领先地位。用户研究表明，其表现优于SDXL、Playground v2、PixArt-α、DALL-E 3和Midjourney 5.2。

关于模型开发和训练的详细信息，请参阅我们的博客文章和技术报告。

模型说明

• 开发团队: Playground
• 模型类型: 基于扩散的文生图模型
• 许可协议: Playground v2.5社区许可
• 概述: 该模型通过文本提示生成图像，采用潜在扩散架构，使用OpenCLIP-ViT/G和CLIP-ViT/L双文本编码器，其架构与Stable Diffusion XL相同。

使用🧨 Diffusers运行模型

需安装diffusers 0.27.0及以上版本及相关依赖：

pip install diffusers>=0.27.0
pip install transformers accelerate safetensors

注意:

• 默认使用EDMDPMSolverMultistepScheduler调度器（基于EDM算法的DPM++ 2M Karras改进版），推荐引导系数3.0
• 也支持EDMEulerScheduler调度器（基于EDM算法的Euler改进版），推荐引导系数5.0

运行示例代码：

from diffusers import DiffusionPipeline
import torch

pipe = DiffusionPipeline.from_pretrained(
    "playgroundai/playground-v2.5-1024px-aesthetic",
    torch_dtype=torch.float16,
    variant="fp16",
).to("cuda")

# 可选：使用DPM++ 2M Karras调度器获取更精细的细节
# from diffusers import EDMDPMSolverMultistepScheduler
# pipe.scheduler = EDMDPMSolverMultistepScheduler()

prompt = "丛林中的宇航员，冷色调，柔和的色彩，细节丰富，8k画质"
image = pipe(prompt=prompt, num_inference_steps=50, guidance_scale=3).images[0]

用户研究结果

与顶尖模型对比

Playground v2.5的美学质量显著超越SDXL、PIXART-α等开源模型，甚至优于DALL-E 3和Midjourney 5.2。

多比例生成能力

在多比例图像生成方面大幅领先SDXL。

人物图像偏好测试

与SDXL及RealStock v2相比，在人物相关图像上更符合人类审美偏好。

MJHQ-30K基准测试

在开源数据集测试中，v2.5在人物和时尚类别表现尤为突出，FID分数与用户研究结果呈正相关。

引用方式

@misc{li2024playground,
      title={Playground v2.5: Three Insights towards Enhancing Aesthetic Quality in Text-to-Image Generation}, 
      author={Daiqing Li and Aleks Kamko and Ehsan Akhgari and Ali Sabet and Linmiao Xu and Suhail Doshi},
      year={2024},
      eprint={2402.17245},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}