К содержимому
Изображения

Pixelquill-61M

генерация пиксель-арт спрайтов 16×16 без диффузии и VAE

3 мин чтения

Компактная модель от автора MahdiAlikhah на 61,3M параметров, которая превращает короткие английские описания в готовые пиксельные спрайты размером 16×16 пикселей. В отличие от привычных генераторов изображений, она обучена с нуля и обходится вообще без диффузии и VAE (нейросети-кодировщика для сжатия картинок). Вместо размытых картинок модель авторегрессионно предсказывает последовательность из 289 дискретных токенов: сначала выбирает палитру из 32 цветов, а затем заполняет каждый из 256 пикселей индексами из этой палитры (включая прозрачность). Подойдёт инди-разработчикам и энтузиастам для быстрого прототипирования игровых иконок, предметов и простых персонажей.

Ключевые особенности

  • Токены вместо диффузии: сперва модель фиксирует палитру из 32 цветов, а потом расставляет пиксели, поэтому цвета не «плывут» и на выходе сразу получается чистый RGBA-спрайт.
  • Лёгкая архитектура с нуля: включает 3-слойный текстовый энкодер на закрытый словарь из 8 643 слов и 12-слойный декодер с 2D axial RoPE и SwiGLU; веса в fp32 занимают всего 245,5 МБ.
  • Понимание цветов и новизна: в тестах 23 из 24 запросов с названием цвета попали в нужный оттенок (медианная ошибка 4°), а среди сгенерированных спрайтов не найдено точных дубликатов из обучающей выборки.
  • Открытая лицензия: код и веса распространяются под Apache-2.0, а обучение проходило на открытом датасете pixel-art-atlas-1.4m (CC0-1.0).

Что можно сделать

  • Прототипировать ассеты для игр: быстро набросать иконки зелий, оружия, монстров или предметов окружения по коротким текстовым промптам вроде cute teal slime или green potion.
  • Собирать спрайт-листы пачками: передавать в функцию generate() сразу список промптов и сохранять наборы картинок с масштабированием (например, из 16×16 в 128×128 без мыла) прямо из Python или CLI.
  • Перекрашивать объекты промптом: менять только слово цвета в запросе, чтобы получать вариации одного и того же предмета — лучше всего это работает на округлых объектах вроде слизней и зелий.

Пример

import sys
from huggingface_hub import snapshot_download

path = snapshot_download("MahdiAlikhah/pixelquill-61m", local_dir="pixelquill")
sys.path.insert(0, path)
from pixelquill import Pixelquill

model = Pixelquill.from_pretrained(path)
model.generate_one("cute teal slime", scale=8).save("slime.png")
ПодробнееМетрики на отложенных объектах без пересечения с train: попиксельная точность с teacher-forcing — 80,65%, в свободном режиме генерации (free-running) — 31,6%, точных совпадений всего спрайта — 0,00%.
Скорость и железо: на NVIDIA L4 генерация занимает ~2,8 с на один спрайт (батч из 32 — ~90 с), так как при сэмплировании пока не используется KV-кэш.
Ограничения: только холст 16×16, закрытый английский словарь на 8 643 слова (незнакомые слова превращаются в ), слабая согласованность тонких объектов вроде мечей (0.46 IoU против 0.94 у слизней), путаница при объединении двух объектов в одном промпте и высокая вариативность между сидами (28% совпадения пикселей).
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.2 GB · готовые файлы1.8 GB
  • BF16веса 0.1 GB1.6 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB1.6 GB
  • 4-bitвеса 0.0 GB1.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # MahdiAlikhah/pixelquill-61m
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download MahdiAlikhah/pixelquill-61m --local-dir ~/models/pixelquill-61m
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pixelquill-61m
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии pixelquill-61m — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

MahdiAlikhah/pixelquill-61m
Автор
MahdiAlikhah
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Krea Retro Film

Krea Retro Film