pipeline_tag: 文本生成图像 library_name: diffusers license: apache-2.0

Lumina-Image-2.0 是一个拥有20亿参数的基于流的扩散变换器，能够根据文本描述生成图像。更多信息请访问我们的 GitHub。

Gradio 演示

我们提供了一个官方的 Gradio 演示。您可以使用我们提供的链接进行体验。

使用方法

import torch
from diffusers import Lumina2Pipeline

pipe = Lumina2Pipeline.from_pretrained("Alpha-VLLM/Lumina-Image-2.0", torch_dtype=torch.bfloat16)
pipe.enable_model_cpu_offload() # 通过将模型卸载到CPU来节省显存。如果GPU性能足够，可以移除这一行

prompt = "一幅宁静的照片，捕捉到太阳在广阔水面上金色的倒影。太阳位于画面顶部中央，在波光粼粼的水面上投下一条闪耀的光路。水面微波荡漾，形成有节奏的图案，引导视线望向地平线。整个场景沐浴在温暖的金色调中，增强了宁静冥想的氛围。高对比度，自然光线，黄金时刻，照片级真实感，开阔构图，反射表面，平和，视觉和谐。"
image = pipe(
    prompt,
    height=1024,
    width=1024,
    guidance_scale=4.0,
    num_inference_steps=50,
    cfg_trunc_ratio=0.25,
    cfg_normalization=True,
    generator=torch.Generator("cpu").manual_seed(0)
).images[0]
image.save("lumina_demo.png")

这是论文 Lumina-Image 2.0: 统一高效的图像生成框架 的 Hugging Face Diffusers 实现。

引用

如果您发现提供的代码或模型对您的研究有帮助，请考虑引用：

@misc{lumina2,
    author={秦琦、卓乐、辛毅、杜若易、李真、付斌、卢艺婷、李新月、刘东阳、朱向阳、Will Beddow、Erwann Millon、Victor Perez、王温海、乔宇、张博、刘小红、李宏升、徐畅、高鹏},
    title={Lumina-Image 2.0: 统一高效的图像生成框架},
    year={2025},
    eprint={2503.21758},
    archivePrefix={arXiv},
    primaryClass={cs.CV},
    url={https://arxiv.org/pdf/2503.21758}, 
}