Repo ini berisi definisi model PyTorch, bobot terlatih, dan kode inferensi/pengambilan sampel untuk makalah kami yang mengeksplorasi Pelatihan Transformator Difusi Lemah-ke-Kuat untuk Pembuatan Teks-ke-Gambar 4K. Anda dapat menemukan lebih banyak visualisasi di halaman proyek kami.
PixArt-Σ: Pelatihan Transformator Difusi Lemah hingga Kuat untuk Pembuatan Teks-ke-Gambar 4K
Junsong Chen*, Chongjian Ge*, Enze Xie*†, Yue Wu*, Lewei Yao, Xiaozhe Ren, Zhongdao Wang, Ping Luo, Huchuan Lu, Zhenguo Li
Lab Bahtera Nuh Huawei, DLUT, HKU, HKUST
Belajar dari proyek PixArt-α sebelumnya, kami akan berusaha membuat repo ini sesederhana mungkin agar semua orang di komunitas PixArt dapat menggunakannya.
? diffusers menggunakan tambalan untuk pengalaman cepat!-Utama
-Panduan
-Yang lain
| Model | Panjang token T5 | VAE | 2K/4K |
|---|---|---|---|
| PixArt-Σ | 300 | SDXL | ✅ |
| PixArt-α | 120 | SD1.5 |
| Model | Contoh-1 | Contoh-2 | Contoh-3 |
|---|---|---|---|
| PixArt-Σ | |||
| PixArt-α | |||
| Mengingatkan | Pria close-up, berambut abu-abu, berjanggut berusia 60an, mengamati orang yang lewat, dalam mantel wol dan baret coklat , kacamata, sinematik. | Bidikan tubuh, seorang wanita Prancis, Fotografi, latar belakang Jalanan Prancis, lampu latar, lampu pelek, Fujifilm. | Video closeup fotorealistik dari dua kapal bajak laut yang saling bertarung saat mereka berlayar di dalam secangkir kopi . |
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.txtPertama.
Kami memulai repo baru untuk membangun basis kode yang lebih ramah pengguna dan kompatibel. Struktur model utamanya sama dengan PixArt-α, Anda masih dapat mengembangkan fungsi berdasarkan repo aslinya. juga, Repo ini akan mendukung PixArt-alpha di masa depan .
Tip
Sekarang Anda dapat melatih model Anda tanpa ekstraksi fitur sebelumnya . Kami mereformasi struktur data dalam basis kode PixArt-α, sehingga semua orang dapat mulai melatih & menyimpulkan & memvisualisasikan dari awal tanpa kesulitan.
Unduh kumpulan data mainan terlebih dahulu. Struktur kumpulan data untuk pelatihan adalah:
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 mirrorMemilih file konfigurasi yang Anda inginkan dari direktori file konfigurasi.
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 Untuk memulai, instal dulu dependensi yang diperlukan. Pastikan Anda telah mengunduh file pos pemeriksaan dari model (segera hadir) ke folder output/pretrained_models , lalu jalankan di mesin lokal Anda:
# 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 11223Penting
Tingkatkan diffusers Anda agar PixArtSigmaPipeline tersedia!
pip install git+https://github.com/huggingface/diffusers Untuk diffusers<0.28.0 , periksa skrip ini untuk mendapatkan bantuan.
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 Mari kita lihat contoh sederhana menggunakan http://your-server-ip:12345 .
Langsung download dari Hugging Face
atau jalankan dengan:
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 sigmaSemua model akan diunduh secara otomatis di sini. Anda juga dapat memilih untuk mengunduh secara manual dari url ini.
| Model | #Param | Jalur pos pemeriksaan | Unduh di OpenXLab |
|---|---|---|---|
| T5 & SDXL-VAE | 4.5B | Diffuser: pixart_sigma_sdxlvae_T5_diffusers | segera hadir |
| PixArt-Σ-256 | 0,6B | pth: PixArt-Sigma-XL-2-256x256.pth Penyebar: PixArt-Sigma-XL-2-256x256 | segera hadir |
| PixArt-Σ-512 | 0,6B | pth: PixArt-Sigma-XL-2-512-MS.pth Diffuser: PixArt-Sigma-XL-2-512-MS | segera hadir |
| PixArt-α-512-DMD | 0,6B | Diffuser: PixArt-Alpha-DMD-XL-2-512x512 | segera hadir |
| PixArt-Σ-1024 | 0,6B | pth: PixArt-Sigma-XL-2-1024-MS.pth Diffuser: PixArt-Sigma-XL-2-1024-MS | segera hadir |
| PixArt-Σ-2K | 0,6B | pth: PixArt-Sigma-XL-2-2K-MS.pth Diffuser: PixArt-Sigma-XL-2-2K-MS | segera hadir |
Kami akan mencoba yang terbaik untuk merilisnya
@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}
