懂AI
IF-I-M-v1.0

IF-I-M-v1.0

DeepFloyd-IF像素级文本到图像级联扩散模型

IF-I-M-v1.0是DeepFloyd-IF系列中的400M参数模型,生成64x64像素图像。它使用冻结T5文本编码器和UNet架构,通过三级级联扩散实现文本到图像生成。模型在COCO数据集上获得6.66的零样本FID-30K分数,达到新的技术水平。可通过Hugging Face的diffusers库使用,支持GPU推理和模型微调。

Huggingface模型深度学习文本生成图像人工智能Github扩散模型开源项目DeepFloyd-IF
访问官网GitHubHugging Face论文

IF-I-M-v1.0项目介绍

项目概述

IF-I-M-v1.0是DeepFloyd和StabilityAI共同开发的一个像素级文本到图像生成模型。它是一个三级级联扩散模型,可以生成具有高度逼真度和语言理解能力的图像。该模型在COCO数据集上实现了6.66的零样本FID-30K分数,超越了当前最先进的模型。

模型架构

IF-I-M-v1.0采用了模块化设计,主要包括以下几个部分:

  • 一个冻结的T5文本编码器,用于提取文本嵌入
  • 三个级联的像素扩散模块,分别生成64x64、256x256和1024x1024分辨率的图像
  • 每个扩散模块采用UNet架构,并增强了交叉注意力和注意力池化机制

模型规模

  • 参数量:4亿
  • 训练数据:12亿文本-图像对
  • 主要支持英语,部分支持其他罗曼语系语言
  • 训练硬件:96个A100 GPU

使用方法

该模型已集成到Hugging Face的diffusers库中,可以使用至少14GB显存的GPU运行。使用前需要先接受使用条款,然后可以通过diffusers API加载模型并进行推理。

主要步骤包括:

  1. 加载所有模型阶段并卸载到CPU
  2. 获取文本嵌入
  3. 运行第一阶段生成64x64图像
  4. 运行第二阶段生成256x256图像
  5. 运行第三阶段生成1024x1024最终图像

训练过程

训练过程的主要特点包括:

  • 使用shifted-center-crop数据增强
  • 采用冻结的T5-v1_1-xxl作为文本编码器
  • 使用余弦beta schedule进行1000步扩散
  • 采用OneCycleLR学习率策略
  • 使用AdamW8bit优化器和DeepSpeed-Zero1

许可和使用限制

该模型使用DeepFloyd IF许可协议,仅限非商业研究用途。使用时需要遵守相关规定,包括适当的署名等。

总的来说,IF-I-M-v1.0是一个强大的文本到图像生成模型,在图像质量和语言理解方面都达到了新的水平。它为研究人员提供了一个有价值的工具,可以用于探索AI图像生成的前沿。

</content>

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多