Этот репозиторий содержит определения моделей PyTorch, предварительно обученные веса и код вывода/выборки для нашей статьи, посвященной обучению диффузионного преобразователя от слабого к сильному для генерации текста в изображение 4K. Больше визуализаций вы можете найти на странице нашего проекта.
PixArt-Σ: обучение диффузионного преобразователя от слабого до сильного для преобразования текста в изображение 4K
Цзюньсонг Чен*, Чунцзянь Гэ*, Энцзе Се*†, Юэ Ву*, Льюэй Яо, Сяочжэ Жэнь, Чжундао Ван, Пин Луо, Хучуань Лу, Чжэньго Ли
Лаборатория Ноева ковчега Huawei, DLUT, HKU, HKUST
Усвоив опыт предыдущего проекта PixArt-α, мы постараемся сделать этот репозиторий максимально простым, чтобы каждый в сообществе PixArt мог его использовать.
? diffusers с использованием патчей для быстрого опыта!-Основной
-Руководство
-Другие
| Модель | Длина токена Т5 | ВАЭ | 2К/4К |
|---|---|---|---|
| PixArt-Σ | 300 | SDXL | ✅ |
| ПиксАрт-α | 120 | SD1.5 |
| Модель | Образец-1 | Образец-2 | Образец-3 |
|---|---|---|---|
| PixArt-Σ | |||
| ПиксАрт-α | |||
| Быстрый | Крупный план, седовласый бородатый мужчина лет 60-х, наблюдающий за прохожими, в шерстяном пальто и коричневом берете , очках, кинематографический. | Снимок тела, француженка, фотография, фон французских улиц, подсветка, контурный свет, Fujifilm. | Фотореалистичное видео крупным планом двух пиратских кораблей, сражающихся друг с другом во время плавания за чашкой кофе . |
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.txtПрежде всего.
Мы запускаем новый репозиторий, чтобы создать более удобную для пользователя и более совместимую кодовую базу. Основная структура модели такая же, как у PixArt-α, вы все равно можете разрабатывать свою функциональную базу на основе исходного репозитория. Кроме того, этот репозиторий будет поддерживать PixArt-alpha в будущем .
Кончик
Теперь вы можете обучать свою модель без предварительного извлечения признаков . Мы реформируем структуру данных в базе кода PixArt-α, чтобы каждый мог начать тренироваться, делать выводы и визуализировать с самого начала без каких-либо проблем.
Сначала загрузите набор данных игрушек. Структура набора данных для обучения:
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 mirrorВыбор желаемого файла конфигурации из каталога файлов конфигурации.
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 Для начала сначала установите необходимые зависимости. Убедитесь, что вы загрузили файлы контрольных точек из моделей (скоро) в папку output/pretrained_models , а затем запустили на своем локальном компьютере:
# 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 11223Важный
Обновите свои diffusers , чтобы сделать PixArtSigmaPipeline доступным!
pip install git+https://github.com/huggingface/diffusers Для diffusers<0.28.0 обратитесь за помощью к этому скрипту.
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 Давайте рассмотрим простой пример с использованием http://your-server-ip:12345 .
Загрузите напрямую с Hugging Face
или запустите с:
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 sigmaВсе модели будут автоматически загружены сюда. Вы также можете загрузить вручную с этого URL-адреса.
| Модель | #Параметры | Путь контрольной точки | Скачать в OpenXLab |
|---|---|---|---|
| Т5 и SDXL-ВАЭ | 4,5Б | Диффузоры: pixart_sigma_sdxlvae_T5_diffusers | вскоре |
| PixArt-Σ-256 | 0,6Б | pth: PixArt-Sigma-XL-2-256x256.pth Диффузоры: PixArt-Sigma-XL-2-256x256 | вскоре |
| PixArt-Σ-512 | 0,6Б | pth: PixArt-Sigma-XL-2-512-MS.pth Диффузоры: PixArt-Sigma-XL-2-512-MS | вскоре |
| PixArt-α-512-DMD | 0,6Б | Диффузоры: PixArt-Alpha-DMD-XL-2-512x512 | вскоре |
| PixArt-Σ-1024 | 0,6Б | pth: PixArt-Sigma-XL-2-1024-MS.pth Диффузоры: PixArt-Sigma-XL-2-1024-MS | вскоре |
| PixArt-Σ-2K | 0,6Б | pth: PixArt-Sigma-XL-2-2K-MS.pth Диффузоры: PixArt-Sigma-XL-2-2K-MS | вскоре |
Мы постараемся выпустить
@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}
