Playground v2：最新SD模型，超SDXL2.5倍！

项目简介

Playground v2是由Playground团队开发的，基于扩散的文本到图像的生成模型，擅长将文本提示转换为视觉上吸引人的图像。值得注意的是，根据涉及超过2,600个提示和大量用户的用户研究，Playground v2生成的图像比Stable Diffusion XL生成的图像受欢迎度高2.5倍。

该模型是一种潜在扩散模型，使用两个固定的、预先训练好的文本编码器。它模仿了Stable Diffusion XL的架构，提供社区许可证以便更广泛地使用。用户可以通过Hugging Face Diffusers来操作此模型，需要安装diffusers（版本0.24.0或更高）及其他依赖项。建议使用3.0的引导比例以获得最佳效果

模型型号

• 1024*1024分辨率
• 512*512分辨率
• 256*256分辨率

Playground v2可以在Automatic1111/ComfyUI上使用

使用

Playground v2和SDXL的架构和模型参数是相同的，都是采用两个text encoder：OpenCLIP-ViT/G和CLIP-ViT/L。可以直接用diffusers库来使用：

from diffusers import DiffusionPipeline
import torch

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

prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
image  = pipe(prompt=prompt, guidance_scale=3.0).images[0]

MJHQ-30K基准

Playground引入了MJHQ-30K基准，用于自动评估模型的美学质量。这个基准使用了来自Midjourney的高质量数据集，涵盖了10个类别，每个类别包含3,000个样本，以评估美学分数和CLIP分数。Playground v2在人物和时尚类别的表现超过了SDXL-1-0-refiner，与用户研究中显示的用户偏好一致

项目链接

https://huggingface.co/playgroundai/playground-v2-1024px-aesthetic