Pyramid Flow 100M
компактная модель для генерации изображений по тексту
1 мин чтения
Pyramid Flow 100M генерирует RGB-изображения с разрешением 256x256 пикселей на основе текстовых промптов (описаний) на английском языке. Модель работает как на CPU (центральном процессоре), так и на CUDA (платформе параллельных вычислений на видеокарте) с использованием библиотеки Hugging Face Transformers. В её основе лежат текстовый энкодер (кодировщик) T5-base и декодер SD-VAE, которые автоматически скачиваются при первом запуске. Модель подойдёт разработчикам и энтузиастам, которым нужна лёгкая локальная генерация картинок.
Ключевые особенности
- Генерация изображений 256x256 пикселей из текстовых запросов на английском языке
- Поддержка запуска на CPU и CUDA для разных конфигураций железа
- Использование проверенных компонентов: текстового энкодера T5-base и декодера SD-VAE
- Возможность пакетной генерации изображений при передаче списка промптов
Что можно сделать
- Создавать отдельные изображения по текстовому описанию в локальных скриптах
- Запускать пакетную генерацию картинок для сравнения результатов с фиксированным сидом
- Тестировать работу диффузионных пайплайнов на слабых или стандартных конфигурациях железа
Пример
import torch
from transformers import AutoModel
repo = "TheHuggerFacer/Pyramid-Flow-100M"
device = "cuda" if torch.cuda.is_available() else "cpu"
model = AutoModel.from_pretrained(repo, trust_remote_code=True).eval().to(device)
image = model.generate_image(
"A clockwork owl perched on a brass telescope, studio photograph",
seed=42,
num_inference_steps=20,
guidance_scale=4.0,
)[0]
image.save("clockwork-owl.png")Подробнее
Разрешение генерации: 256x256 RGBПоддерживаемые устройства: CPU, CUDA
Зависимости: T5-base и SD-VAE скачиваются отдельно
Ограничения: количество объектов, пространственные связи и мелкие детали могут быть нестабильными










Комментарии