Inkpunk-Diffusion on Hugging Face 对比 mo-di-diffusion on Hugging Face

与Envvi/Inkpunk-diffusion进行了创新的旅程，其中艺术和AI的融合为无限的创造力打开了大门。我们的平台提供了独特的文本对图像功能，该功能由精心策划的扩散模型，Inkpunk-diffusion提供动力，在Dreambooth上精心训练。 Inkpunk-Diffusion从Gorillaz和Yoji Shinkawa等标志性风格中汲取灵感，邀请艺术家和创作者探索新颖的视觉范式。与Gradio集成，我们提供了一个用户友好的Web UI，该Web UI简化了将您的想象力提示带入生活的过程，确保所有用户的可访问性和易用性。凭借强大的推理API和下载数千个示例图像的能力，Inkpunk-diffusion在开放科学领域的民主化和推进人工智能的最前沿。

mo-di-diffusion 是一个在 Hugging Face 上微调的 Stable Diffusion 1.5 检查点，能够渲染具有现代动画电影风格的角色和场景。创作者 nitrosocke 使用 DreamBooth 对来自一家知名动画工作室的截图进行了训练，采用了先验保持损失和文本编码器训练，训练步数超过 9,000 步。将提示词中加入 modern disney style 令牌即可触发该美学效果。

通用的 SD 1.5 检查点旨在实现照片级真实感或广泛的插画风格。mo-di-diffusion 则专注于那种光滑的角色动画外观，这也是为什么游戏英雄、动物和风景的示例提示都偏向电影感而非摄影感。权重通过标准的 Diffusers StableDiffusionPipeline 加载，因此您可以在本地、Colab 或 Hugging Face Spaces 中运行，无需专有 API。

艺术家、爱好者和开发者在尝试角色概念时会使用 mo-di-diffusion，当他们希望获得类似迪士尼风格的渲染效果而不想委托定制模型训练时。模型卡附带 Python 示例代码、Gradio 演示链接，并注明了 ONNX、MPS 和 FLAX 导出选项。该模型可免费下载，采用 CreativeML OpenRAIL-M 许可证，允许商业使用，但需遵守许可证中的危害限制。