【AI绘画】Alpha-VLLM 的 Lumina-Next：新一代图像生成器

DisonTangor2024-11-18 11:37

简介

Lumina-Next-T2I 是在 Lumina-T2I 成功基础上发展起来的尖端图像生成模型。它采用了带有 2B 参数模型的 Next-DiT 和 Gemma-2B 文本编码器，推理速度更快，生成样式更丰富，并增强了多语言支持。

模型架构

Lumina-Next-T2I 的生成模型建立在 Next-DiT 骨干之上，文本编码器是 Gemma 2B 模型，而 VAE 则使用由 stabilityai 微调的 sdxl 版本。

生成模型： Next-DiT
文本编码器 Gemma-2B
VAE: sdxl-vae

新闻和更新

2024 年 5 月 12 日，Lumina-Next-T2I 型号发布，为图像生成提供了更快更低的内存使用率。

安装

创建 conda 环境并安装 PyTorch 注意：您可能需要根据驱动程序版本调整 CUDA 版本。

bash 复制代码

conda create -n Lumina_T2X -y
	conda activate Lumina_T2X
	conda install python=3.11 pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia -y

安装依赖

bash 复制代码

pip install diffusers huggingface_hub
pip install flash-attn --no-build-isolation

Diffusers推理

bash 复制代码

from diffusers import LuminaText2ImgPipeline
import torch

pipeline = LuminaText2ImgPipeline.from_pretrained("/path/to/ckpt/Lumina-Next-SFT-diffusers", torch_dtype=torch.bfloat16).to("cuda")

# or you can download the model using code directly
# pipeline = LuminaText2ImgPipeline.from_pretrained("Alpha-VLLM/Lumina-Next-SFT-diffusers", torch_dtype=torch.bfloat16).to("cuda")

image = pipeline(prompt="Upper body of a young woman in a Victorian-era outfit with brass goggles and leather straps. "
                        "Background shows an industrial revolution cityscape with smoky skies and tall, metal structures").images[0]

鉴赏效果

A winter landscape with a frozen lake, snow-covered pine trees, and a small cabin with smoke coming out of the chimney.

An astronaut standing on a moonlit alien planet, with purple mountains and two large moons in the sky.

A rustic farmhouse kitchen with a wooden table, a bowl of fresh apples, and a cat curled up on a chair.

This is the Lumina output, and I wanted to show it because it was cartoony

感谢大家花时间阅读我的文章，你们的支持是我不断前进的动力。点赞并关注，获取最新科技动态，不落伍！🤗🤗🤗