许可证：其他
标签：

• stable-diffusion
• text-to-image
  推理：false

Cool Japan Diffusion 2.1.2 模型卡片

英文版请见此处。

简介

Cool Japan Diffusion 是基于 Stable Diffusion 微调的模型，专注于表现动漫、漫画、游戏等“酷日本”文化。请注意，此模型与日本内阁府的“酷日本”战略无直接关联。

使用方法

想快速体验的用户可使用此Space。
详细操作指南请参阅使用说明书。
模型文件可从此处下载。

许可证说明

本模型在 CreativeML Open RAIL++-M License 基础上追加了非商业用途限制条款，原因是为避免对创作行业造成潜在负面影响。若此担忧消除，后续版本将恢复原始许可证并允许商用。原始许可证日文译本见此链接。
商业机构用户请咨询法务部门。个人用户遵循常识即可，无需过度担忧。根据许可证要求，任何模型修改仍需继承本许可协议。

法律与伦理

本模型在日本开发，适用日本法律。

• 合法性声明：模型训练基于《著作权法》第30条之4主张合法；分发行为不构成直接或间接侵权（详见柿沼律师观点）。
• 伦理声明：尽管法律允许，但作者认为未经原作者许可的分发行为存在伦理争议。本次分发亦旨在探讨技术伦理边界。

模型详情

• 开发者：Robin Rombach, Patrick Esser, Alfred Increment
• 模型类型：基于扩散模型的文生图模型
• 语言：日语
• 许可证：CreativeML Open RAIL++-M-NC License
• 算法：Latent Diffusion Model 与 OpenCLIP-ViT/H
• 引用文献：

  @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)},  
      month     = {June},  
      year      = {2022},  
      pages     = {10684-10695}  
  }  
  

使用示例

Web UI方式

推荐安装xformers，具体步骤参照指南。

Diffusers库方式

安装依赖：

pip install --upgrade git+https://github.com/huggingface/diffusers.git transformers accelerate scipy  

生成图像脚本：

from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler  
import torch  

model_id = "aipicasso/cool-japan-diffusion-2-1-2"  
scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")  
pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, torch_dtype=torch.float32)  
pipe = pipe.to("cuda")  

prompt = "anime, masterpiece, a portrait of a girl, good pupil, 4k, detailed"  
negative_prompt = "deformed, blurry..." # 完整提示词见原文  
images = pipe(prompt, negative_prompt=negative_prompt, num_inference_steps=20).images  
images[0].save("girl.png")  

注意：

• 使用xformers可加速生成
• 低显存设备建议启用pipe.enable_attention_slicing()

适用场景

• 新闻报道（含商业媒体）
• 海外“酷日本”文化推广
• 学术研究（模型微调/性能评估等）
• 美术教育（毕业设计/课题研究）
• 个人创意表达

禁用场景

• 伪造事实内容
• 盈利性视频内容
• 直接商用服务
• 破坏教学秩序
• 损害创作行业

风险提示

• 禁止数字赝品制作
• 禁止未经授权的图生图
• 禁止传播淫秽内容
• 禁止制造虚假新闻

局限性

• 存在与Stable Diffusion相同的偏见问题

训练数据

• VAE：65万组合规日本数据（经扩增）
• U-Net：200万组数据+3个混合模型

训练配置

• 硬件：NVIDIA A6000
• 优化器：AdamW
• 批次大小：1
• 训练时长：200小时

环境影响

碳排放量极低（日本本地训练）

本模型卡片基于Stable Diffusion v2由Alfred Increment编写