يحتوي هذا الريبو على تعريفات نموذج PyTorch والأوزان المدربة مسبقًا ورمز الاستدلال/أخذ العينات لورقتنا التي تستكشف التدريب الضعيف إلى القوي لمحول الانتشار لإنشاء تحويل النص إلى صورة بدقة 4K. يمكنك العثور على المزيد من التصورات على صفحة مشروعنا.
PixArt-Σ: تدريب ضعيف إلى قوي لمحول الانتشار لإنشاء تحويل النص إلى صورة بدقة 4K
جونسونغ تشن*، تشونغجيان جي*، إنزي شيه*†، يو وو*، ليوي ياو، شياو زي رن، تشونغداو وانغ، بينج لو، هوتشوان لو، زينغو لي
مختبر سفينة نوح التابع لشركة هواوي، DLUT، HKU، HKUST
بالتعلم من مشروع PixArt-α السابق، سنحاول إبقاء هذا الريبو بسيطًا قدر الإمكان حتى يتمكن كل فرد في مجتمع PixArt من استخدامه.
? diffusers يستخدمون التصحيحات لتجربة سريعة!-رئيسي
-إرشاد
-آحرون
| نموذج | طول الرمز المميز T5 | ضريبة القيمة المضافة | 2K/4K |
|---|---|---|---|
| بيكس آرت-Σ | 300 | SDXL | ✅ |
| بيكسارت-α | 120 | SD1.5 |
| نموذج | عينة-1 | عينة-2 | عينة-3 |
|---|---|---|---|
| بيكس آرت-Σ | |||
| بيكسارت-α | |||
| اِسْتَدْعَى | لقطة مقربة، رجل ملتح ذو شعر رمادي في الستينيات، يراقب المارة، يرتدي معطفًا من الصوف وقبعة بنية ، نظارات، سينمائيًا. | لقطة للجسم، امرأة فرنسية، التصوير الفوتوغرافي، خلفية الشوارع الفرنسية، الإضاءة الخلفية، ضوء الحافة، فوجي فيلم. | فيديو مقرب وواقعي لسفينتين من القراصنة تتقاتلان أثناء إبحارهما داخل فنجان من القهوة . |
conda create -n pixart python==3.9.0
conda activate pixart
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
git clone https://github.com/PixArt-alpha/PixArt-sigma.git
cd PixArt-sigma
pip install -r requirements.txtأولاً.
نبدأ في الريبو الجديد لبناء قاعدة تعليمات برمجية أكثر سهولة في الاستخدام وأكثر توافقًا. هيكل النموذج الرئيسي هو نفس هيكل PixArt-α، ولا يزال بإمكانك تطوير قاعدة وظيفتك على الريبو الأصلي. كما أن هذا الريبو سيدعم PixArt-alpha في المستقبل .
نصيحة
يمكنك الآن تدريب النموذج الخاص بك دون استخراج الميزات مسبقًا . قمنا بإصلاح بنية البيانات في قاعدة أكواد PixArt-α، بحيث يمكن للجميع البدء في التدريب والاستدلال والتصور في البداية دون أي ألم.
قم بتنزيل مجموعة بيانات اللعبة أولاً. هيكل مجموعة البيانات للتدريب هو:
cd ./pixart-sigma-toy-dataset
Dataset Structure
├──InternImgs/ (images are saved here)
│ ├──000000000000.png
│ ├──000000000001.png
│ ├──......
├──InternData/
│ ├──data_info.json (meta data)
Optional(?)
│ ├──img_sdxl_vae_features_1024resolution_ms_new (run tools/extract_caption_feature.py to generate caption T5 features, same name as images except .npz extension)
│ │ ├──000000000000.npy
│ │ ├──000000000001.npy
│ │ ├──......
│ ├──caption_features_new
│ │ ├──000000000000.npz
│ │ ├──000000000001.npz
│ │ ├──......
│ ├──sharegpt4v_caption_features_new (run tools/extract_caption_feature.py to generate caption T5 features, same name as images except .npz extension)
│ │ ├──000000000000.npz
│ │ ├──000000000001.npz
│ │ ├──......
# SDXL-VAE, T5 checkpoints
git lfs install
git clone https://huggingface.co/PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers output/pretrained_models/pixart_sigma_sdxlvae_T5_diffusers
# PixArt-Sigma checkpoints
python tools/download.py # environment eg. HF_ENDPOINT=https://hf-mirror.com can use for HuggingFace mirrorتحديد ملف التكوين المطلوب من ملفات التكوين dir.
python -m torch.distributed.launch --nproc_per_node=1 --master_port=12345
train_scripts/train.py
configs/pixart_sigma_config/PixArt_sigma_xl2_img512_internalms.py
--load-from output/pretrained_models/PixArt-Sigma-XL-2-512-MS.pth
--work-dir output/your_first_pixart-exp
--debug للبدء، قم أولاً بتثبيت التبعيات المطلوبة. تأكد من أنك قمت بتنزيل ملفات نقاط التحقق من النماذج (قريبًا) إلى مجلد output/pretrained_models ، ثم قم بتشغيلها على جهازك المحلي:
# SDXL-VAE, T5 checkpoints
git lfs install
git clone https://huggingface.co/PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers output/pixart_sigma_sdxlvae_T5_diffusers
# PixArt-Sigma checkpoints
python tools/download.py
# demo launch
python scripts/interface.py --model_path output/pretrained_models/PixArt-Sigma-XL-2-512-MS.pth --image_size 512 --port 11223مهم
قم بترقية diffusers الخاصة بك لجعل PixArtSigmaPipeline متاحًا!
pip install git+https://github.com/huggingface/diffusers بالنسبة diffusers<0.28.0 ، تحقق من هذا البرنامج النصي للحصول على المساعدة.
import torch
from diffusers import Transformer2DModel , PixArtSigmaPipeline
device = torch . device ( "cuda:0" if torch . cuda . is_available () else "cpu" )
weight_dtype = torch . float16
transformer = Transformer2DModel . from_pretrained (
"PixArt-alpha/PixArt-Sigma-XL-2-1024-MS" ,
subfolder = 'transformer' ,
torch_dtype = weight_dtype ,
use_safetensors = True ,
)
pipe = PixArtSigmaPipeline . from_pretrained (
"PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers" ,
transformer = transformer ,
torch_dtype = weight_dtype ,
use_safetensors = True ,
)
pipe . to ( device )
# Enable memory optimizations.
# pipe.enable_model_cpu_offload()
prompt = "A small cactus with a happy face in the Sahara desert."
image = pipe ( prompt ). images [ 0 ]
image . save ( "./catcus.png" )pip install git+https://github.com/huggingface/diffusers
# PixArt-Sigma 1024px
DEMO_PORT=12345 python app/app_pixart_sigma.py
# PixArt-Sigma One step Sampler(DMD)
DEMO_PORT=12345 python app/app_pixart_dmd.py دعونا نلقي نظرة على مثال بسيط باستخدام http://your-server-ip:12345 .
تحميل مباشر من Hugging Face
أو تشغيل مع:
pip install git+https://github.com/huggingface/diffusers
python tools/convert_pixart_to_diffusers.py --orig_ckpt_path output/pretrained_models/PixArt-Sigma-XL-2-1024-MS.pth --dump_path output/pretrained_models/PixArt-Sigma-XL-2-1024-MS --only_transformer=True --image_size=1024 --version sigmaسيتم تنزيل جميع النماذج تلقائيًا هنا. يمكنك أيضًا اختيار التنزيل يدويًا من عنوان url هذا.
| نموذج | #بارامس | مسار نقطة التفتيش | تحميل في OpenXLab |
|---|---|---|---|
| T5 وSDXL-VAE | 4.5 ب | الناشرون: pixart_sigma_sdxlvae_T5_diffusers | قريباً |
| بيكسارت-Σ-256 | 0.6 ب | pth: PixArt-Sigma-XL-2-256x256.pth الناشرون: PixArt-Sigma-XL-2-256x256 | قريباً |
| بيكس آرت-Σ-512 | 0.6 ب | pth: PixArt-Sigma-XL-2-512-MS.pth الناشرون: PixArt-Sigma-XL-2-512-MS | قريباً |
| بيكسارت-α-512-DMD | 0.6 ب | الناشرون: PixArt-Alpha-DMD-XL-2-512x512 | قريباً |
| بيكس آرت-Σ-1024 | 0.6 ب | pth: PixArt-Sigma-XL-2-1024-MS.pth الناشرون: PixArt-Sigma-XL-2-1024-MS | قريباً |
| بيكسارت-Σ-2K | 0.6 ب | pth: PixArt-Sigma-XL-2-2K-MS.pth الناشرون: PixArt-Sigma-XL-2-2K-MS | قريباً |
سنبذل قصارى جهدنا للإفراج
@misc{chen2024pixartsigma,
title={PixArt-Sigma: Weak-to-Strong Training of Diffusion Transformer for 4K Text-to-Image Generation},
author={Junsong Chen and Chongjian Ge and Enze Xie and Yue Wu and Lewei Yao and Xiaozhe Ren and Zhongdao Wang and Ping Luo and Huchuan Lu and Zhenguo Li},
year={2024},
eprint={2403.04692},
archivePrefix={arXiv},
primaryClass={cs.CV}
