Este repositório contém definições de modelo PyTorch, pesos pré-treinados e código de inferência/amostragem para nosso artigo que explora o treinamento fraco a forte do transformador de difusão para geração de texto para imagem 4K. Você pode encontrar mais visualizações em nossa página do projeto.
PixArt-Σ: treinamento fraco a forte de transformador de difusão para geração de texto em imagem 4K
Junsong Chen*, Chongjian Ge*, Enze Xie*†, Yue Wu*, Lewei Yao, Xiaozhe Ren, Zhongdao Wang, Ping Luo, Huchuan Lu, Zhenguo Li
Laboratório Arca de Noé da Huawei, DLUT, HKU, HKUST
Aprendendo com o projeto PixArt-α anterior, tentaremos manter este repositório o mais simples possível para que todos na comunidade PixArt possam utilizá-lo.
? diffusers usando patches para uma experiência rápida!-Principal
-Orientação
-Outros
| Modelo | Comprimento do token T5 | VAE | 2K/4K |
|---|---|---|---|
| PixArt-Σ | 300 | SDXL | ✅ |
| PixArt-α | 120 | SD1.5 |
| Modelo | Amostra-1 | Amostra-2 | Amostra-3 |
|---|---|---|---|
| PixArt-Σ | |||
| PixArt-α | |||
| Incitar | Close-up, homem barbudo, grisalho, na década de 60, observando os transeuntes, com casaco de lã e boina marrom , óculos, cinematográfico. | Foto corporal, uma mulher francesa, fotografia, fundo de ruas francesas, luz de fundo, luz de aro, Fujifilm. | Vídeo fotorrealista em close de dois navios piratas lutando entre si enquanto navegam dentro de uma xícara de café . |
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.txtEm primeiro lugar.
Iniciamos um novo repositório para construir uma base de código mais amigável e compatível. A estrutura principal do modelo é a mesma do PixArt-α, você ainda pode desenvolver sua função com base no repositório original. Além disso, este repositório oferecerá suporte ao PixArt-alpha no futuro .
Dica
Agora você pode treinar seu modelo sem extração prévia de recursos . Reformamos a estrutura de dados na base de código PixArt-α, para que todos possam começar a treinar, inferir e visualizar desde o início, sem qualquer problema.
Baixe o conjunto de dados do brinquedo primeiro. A estrutura do conjunto de dados para treinamento é:
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 mirrorSelecionando o arquivo de configuração desejado no diretório de arquivos de configuração.
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 Para começar, primeiro instale as dependências necessárias. Certifique-se de ter baixado os arquivos de checkpoint dos modelos (em breve) para a pasta output/pretrained_models e, em seguida, execute em sua máquina local:
# 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 11223Importante
Atualize seus diffusers para disponibilizar o PixArtSigmaPipeline !
pip install git+https://github.com/huggingface/diffusers Para diffusers<0.28.0 , verifique este script para obter ajuda.
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 Vamos dar uma olhada em um exemplo simples usando http://your-server-ip:12345 .
Baixe diretamente do Hugging Face
ou execute com:
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 sigmaTodos os modelos serão baixados automaticamente aqui. Você também pode optar por fazer o download manualmente a partir deste URL.
| Modelo | #Params | Caminho do ponto de verificação | Baixe no OpenXLab |
|---|---|---|---|
| T5 e SDXL-VAE | 4,5B | Difusores: pixart_sigma_sdxlvae_T5_diffusers | em breve |
| PixArt-Σ-256 | 0,6B | pth: PixArt-Sigma-XL-2-256x256.pth Difusores: PixArt-Sigma-XL-2-256x256 | em breve |
| PixArt-Σ-512 | 0,6B | pth: PixArt-Sigma-XL-2-512-MS.pth Difusores: PixArt-Sigma-XL-2-512-MS | em breve |
| PixArt-α-512-DMD | 0,6B | Difusores: PixArt-Alpha-DMD-XL-2-512x512 | em breve |
| PixArt-Σ-1024 | 0,6B | pth: PixArt-Sigma-XL-2-1024-MS.pth Difusores: PixArt-Sigma-XL-2-1024-MS | em breve |
| PixArt-Σ-2K | 0,6B | pth: PixArt-Sigma-XL-2-2K-MS.pth Difusores: PixArt-Sigma-XL-2-2K-MS | em breve |
Faremos o nosso melhor para liberar
@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}
