Waifu-diffusion on Hugging Face vs mo-di-diffusion on Hugging Face

Waifu-diffusion on Hugging Face convierte descripciones de texto en imágenes de estilo anime a través de un modelo Stable Diffusion ajustado con ilustraciones de anime de alta calidad. Cargas hakurei/waifu-diffusion con la biblioteca Diffusers en Python, envías una descripción y obtienes una imagen generada. La ficha del modelo incluye código listo para ejecutar para CUDA, Apple MPS, Google Colab y aplicaciones locales como Draw Things y DiffusionBee.

En comparación con los puntos de control de propósito general de Stable Diffusion, este modelo está optimizado específicamente para la estética anime en lugar del fotorrealismo. Ese enfoque específico lo convierte en una base común para arte de aficionados, conceptos de personajes e ilustraciones estilizadas, mientras que los modelos de SD generales a menudo necesitan descripciones más detalladas para mantenerse en el estilo anime. Los pesos de la versión v1.4 se distribuyen bajo CreativeML OpenRAIL-M con más de 2,500 'me gusta' de la comunidad y alrededor de 1,166 descargas en el último mes en Hugging Face.

El modelo tiene un peso de 0.9 mil millones de parámetros en formato Safetensors y funciona con StableDiffusionPipeline en Diffusers. Los creadores pueden ajustarlo o adaptarlo aún más, con cuatro modelos adaptadores, dos ajustes finos y una cuantización listados en el árbol de modelos de Hugging Face.

Waifu-diffusion es adecuado para ilustradores, aficionados y desarrolladores que desean generar imágenes de estilo anime que puedan ejecutar localmente o en cuadernos sin necesidad de construir un modelo desde cero.

mo-di-diffusion es un punto de control de Stable Diffusion 1.5 afinado en Hugging Face que representa personajes y escenas con un estilo moderno de película animada. El creador nitrosocke lo entrenó con capturas de pantalla de un estudio de animación popular usando DreamBooth con pérdida de preservación previa y entrenamiento del codificador de texto durante más de 9,000 pasos. Añade el token modern disney style a tu prompt para activar la estética.

Los puntos de control generales de SD 1.5 buscan el fotorrealismo o estilos amplios de ilustración. mo-di-diffusion se enfoca estrictamente en ese aspecto brillante de animación de personajes, por lo que los prompts de muestra para héroes de juegos, animales y paisajes tienden a ser cinematográficos más que fotográficos. Los pesos se cargan mediante la estándar Diffusers StableDiffusionPipeline, por lo que puedes ejecutarlo localmente, en Colab o dentro de Hugging Face Spaces sin una API propietaria.

Artistas, aficionados y desarrolladores que experimentan con conceptos de personajes usan mo-di-diffusion cuando desean renders cercanos al estilo Disney sin encargar un entrenamiento personalizado del modelo. La tarjeta del modelo incluye código de ejemplo en Python, enlaces a demos en Gradio y notas sobre opciones de exportación ONNX, MPS y FLAX. Es gratuito para descargar bajo la licencia CreativeML OpenRAIL-M con uso comercial permitido sujeto a las restricciones de daño de la licencia.