К содержимому
Изображения

HiT

иерархический диффузионный трансформер для генерации изображений

2 мин чтенияобновлено

HiT (Hierarchical Diffusion Transformer) — это официальные PyTorch чекпоинты пиксельной диффузионной модели (модели для синтеза данных путем шумоподавления), которая группирует связанные патчи изображений в визуальную иерархию и обрабатывает большую часть блоков на компактных группах. Модель решает задачи безусловной генерации на ImageNet и синтеза картинок по текстовому описанию (Text-to-Image). Архитектура оптимизирует вычислительный процесс за счет иерархического представления, обеспечивая высокое качество графики. Релиз включает модели серий HiT-XL и HiT-B для разных разрешений.

Ключевые особенности

  • Пиксельный Diffusion Transformer с иерархической структурой патчей
  • Официальные веса PyTorch для ImageNet 256×256 и Text-to-Image 512×512
  • Оптимизация работы блоков за счет компактных групп вместо полного набора патчей
  • Высокие показатели метрик качества синтеза изображений

Что можно сделать

  • Использовать чекпоинт HiT-XL/16 для генерации высококачественных картинок в разрешении 256×256 на ImageNet
  • Применить модель HiT-B/16 для задач Text-to-Image генерации в разрешении 512×512 по текстовым промптам
  • Интегрировать инновационный иерархический подход в собственные исследовательские проекты по диффузионным моделям

Пример

Для запуска генерации загрузите соответствующий файл весов (например, ImageNet256/HiT-XL16_ep600/model.safetensors или T2I512/HiT-B16_sft40k/model.safetensors) и подключите его в свой пайплайн PyTorch согласно инструкциям в официальном репозитории проекта.

Подробнее• Чекпоинт ImageNet 256×256 (HiT-XL/16, 600 эпох): FID-50K 1.48
• Чекпоинт T2I 512×512 (HiT-B/16, 40k шагов файнтюна): GenEval 87.78, DPG 85.33, PRISM 58.62, CoRe 45.22, Spatial 52.68
• Обучение Text-to-Image проводилось с использованием замороженных входов minit2i-frozen-inputs-v1
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.6 GB · готовые файлы5.4 GB
  • FP8 / INT8рекомендуемвеса 1.8 GB3.5 GB
  • 4-bitвеса 1.0 GB2.6 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 · BF16 — 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.

    # Nicholas0228/HiT
    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 Nicholas0228/HiT --local-dir ~/models/HiT
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к HiT
  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 HiT — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Nicholas0228/HiT
Автор
Nicholas0228
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Nanico/cris

Nanico/cris