许可协议：其他
标签：

• 稳定扩散
• 文本生成图像

Cool Japan Diffusion 2.1.1 Beta 模型卡片

重要通知：中国将对图像生成AI实施法律限制（面向中国境内用户的警示）

英文版请见此处。

简介

Cool Japan Diffusion（学习版）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”文化内容。注：本模型与日本内阁府的“酷日本”战略无直接关联。

许可说明

本模型在原始许可协议CreativeML Open RAIL++-M License基础上追加了非商业用途限制条款，以避免对创意产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并开放商用。原始协议日文译本参见此链接。商业机构用户请咨询法务部门，个人爱好者遵循常识使用即可。根据协议要求，任何模型修改版本仍需继承本许可条款。

法律与伦理

• 法律依据：本模型在日本开发，适用日本法律。
  • 训练过程依据《著作权法》第30条之4主张合法性。
  • 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：
  作者认为未经著作权人许可的分发行为存在伦理争议，但法律层面与搜索引擎类似无需授权。本次分发亦包含伦理研究目的。生成内容需遵守各国法律法规。

使用方法

• 快速体验：使用Hugging Face Space演示
• 详细指南：参阅操作手册
• 模型下载：点击获取

模型详情

• 开发者：Robin Rombach, Patrick Esser, Alfred Increment
• 类型：基于扩散模型的文本生成图像模型
• 语言：日语
• 许可：CreativeML Open RAIL++-M-NC License
• 算法：潜在扩散模型 + OpenCLIP-ViT/H

使用示例

Web UI方式

参照操作手册配置。

Diffusers库方式

from diffusers import StableDiffusionPipeline, EulerAncestralDiscreteScheduler  
import torch  

model_id = "aipicasso/cool-japan-diffusion-2-1-1-beta"  
scheduler = EulerAncestralDiscreteScheduler.from_pretrained(model_id, subfolder="scheduler")  
pipe = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler, torch_dtype=torch.float16)  
pipe.to("cuda")  

prompt = "动漫风格，穿和服的红瞳黑短发少女肖像，全彩插画，官方艺术，4K高清"  
negative_prompt = "变形、模糊、结构错误、多肢体、低质量、手部瑕疵等负面特征描述"  
image = pipe(prompt, negative_prompt=negative_prompt, width=512, height=512, num_inference_steps=20).images[0]  
image.save("girl.png")  

优化建议：

• 使用xformers加速
• 低显存设备启用pipe.enable_attention_slicing()

适用场景

• AI艺术比赛（需完整披露训练数据）
• 新闻报道（含商业媒体）
• 日本文化海外推广
• 学术研究与教育（毕业设计/论文）
• 个人创意表达

禁止用途

• 伪造数字艺术品（尤其避免公开已有角色）
• 未经授权的图像转译
• 色情内容传播
• 虚假新闻制作
• 直接商业服务

模型局限性

• 存在与Stable Diffusion相似的偏差问题
• 性能边界尚不明确

训练数据

• VAE部分：60万组合规日本本土数据（经扩增处理）
• U-Net部分：80万组文本-图像对

训练配置

• 硬件：RTX 3090
• 优化器：AdamW
• 批次大小：1
• 累计梯度：1

环境影响

• 训练时长：500小时
• 碳足迹：可忽略

参考文献

@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}  
}  

本卡片基于Stable Diffusion v2模板由Alfred Increment撰写