懂AI
terminus-xl-gamma-v1

terminus-xl-gamma-v1

高效图像生成与修复的潜在扩散模型

Terminus XL Gamma是采用零终端信噪比噪声调度的潜在扩散模型，能在文本提示下生成高质量图像，适用于艺术、广告和娱乐领域，尤其在图像修复方面表现出色。此外，该模型可用于图像超分辨率和风格转换等应用。建议使用者关注模型的潜在偏见，并避免用于有害内容生成。

潜在扩散模型图像修复Terminus XL Gamma图像生成HuggingfaceGithub开源项目模型噪声调度
GitHubHugging Face

Terminus XL Gamma 项目介绍

项目概述

Terminus XL Gamma 是一款最新的潜在扩散模型，采用的是零终端信噪比（SNR）噪声调度和速度预测目标进行训练和推理。它的架构基于 SDXL，布局结构相似，但步数较少，使用的则是通过 COCO 和 Midjourney 获取的高质量数据说明。尽管不如 SDXL 能生成多样的概念，但其目标在于使用最小 SNR gamma 损失，在单机 NVIDIA A100-80G 显卡上高效训练完整模型。

  • 开发者: pseudoterminal X (@bghira)
  • 赞助方: pseudoterminal X (@bghira)
  • 模型类型: 潜在扩散
  • 许可证: openrail++
  • 架构: SDXL

使用场景

直接使用

Terminus XL Gamma 可以根据文本提示生成高质量的图像，特别适合于修复任务（inpainting）。零终端 SNR 噪声调度能更有效地保持图像的对比度。该模型可应用于创意行业，比如艺术、广告和娱乐，帮助创造视觉上吸引人的内容。

进一步使用

模型可以微调用于特定任务，比如图像超分辨率和风格迁移等。

非适用的使用

该模型并非设计用于图像生成以外的任务，不应用于产生有害内容或误导他人。

偏见、风险与限制

模型可能存在训练数据中的偏见，生成的图像应仔细检查以确保符合伦理和社会标准。用户需谨慎审视潜在偏见，并在使用前仔细审核生成的内容。

训练细节

训练数据

模型的成功主要依赖于数量较少但质量非常高的数据样本：

  • LAION-HD，过滤到无水印的 EXIF 样本，样本亮度值上限到 100（0.5）。
  • Midjourney 5.2 数据集 ptx0/mj-general，无额外过滤。

训练过程

前处理遵循 SDXL 的预训练过程，使用裁剪的条件输入和中心裁剪的图像作为输入。从 512x512 开始训练，然后是 768x768，最后是约 100 万像素的多比例训练。图像按比例缩小并按 64 像素增量裁剪。许多比例被训练，但只有少数能够正常工作。

训练超参数

  • 训练模式: bf16 混合精度
  • 学习率: 从 (4 \times 10^{-7}) 到 (8 \times 10^{-7})，余弦调度
  • 周期: 60
  • 批处理大小: 24 * 15 = 360

技术规格

模型架构和目标

该模型使用的是与 SDXL 兼容的潜在扩散架构，带有独特的最小 SNR 增强速度目标。

计算基础设施

[更多信息待补充]

环境影响

  • 硬件类型: [更多信息待补充]
  • 使用小时数: [更多信息待补充]
  • 云服务提供商: [更多信息待补充]
  • 计算地区: [更多信息待补充]
  • 碳排放量: [更多信息待补充]

总结

Terminus XL Gamma 是一款专注于高质量图像生成的潜在扩散模型，特别是对富有创意行业可以提供有力的支持，尽管在多样化概念生成方面存在一些局限性，但在特定任务应用中表现出色。使用过程中需注意潜在偏见和伦理审核。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

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
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多