mo-di-diffusion on Hugging Face 对比 StabilityAI's Stable Diffusion v2-1

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。

踏上了与SteStieAi的开创性旅程，开源和开放科学的融合推动了人工智能的民主化。发现稳定的扩散V2-1模型，该模型严格进行了微调，并准备以前所未有的方式增强您的创造力和研究努力。沉浸在文本到图像生成世界中，您的提示通过由先进的扩散模型综合的生动图像来栩栩如生。

深入研究由罗宾·罗姆巴赫（Robin Rombach）和帕特里克·埃瑟（Patrick Esser）等专家团队制作的稳定扩散V2-1的复杂性。该AI Marvel利用配备有验证文本编码器的潜在扩散模型，使您能够探索艺术创作，安全内容部署以及对AI偏见和局限性的了解。准备参与AI的变革力量吗？今天与SteStieAi的稳定扩散V2-1模型连接。