UMO_OmniGen2

מה זה

אתם כותבים הוראה בטקסט, מוסיפים הנחיות שלילה אם צריך, ומעלים בין תמונה אחת לשלוש תמונות של דמויות או פריטים. בממשק בוחרים מידות רוחב וגובה, וקובעים הגדרות מתקדמות כמו סולמות הנחיה לטקסט ולתמונה. בצד יוצאת התמונה הסופית יחד עם קובץ להורדה באיכות מלאה, ובנוסף מוצגת השוואה חזותית מול OmniGen2 הרגיל כדי לבחון את ההבדלים בעקביות.

מאחורי הקלעים רץ שילוב של OmniGen2 ומשקולות LoRA ספציפיות של UMO, שמכוונות לשמירה על זהויות מרובות לפי מאמר מחקרי של צוות בייטדאנס. המערכת כוללת תמיכה ברכיבי האצה כמו TaylorSeer שמופעל כברירת מחדל, וכן TeaCache, לצד בחירה בין מתזמנים כמו FlowMatchEuler או DPMSolver כדי לשלוט בכמות צעדי הריצה.

מתאים ל

• שילוב דמויות מרובות

  יצירת סצנה אחת המשלבת עד שלוש דמויות שונות מתוך תמונות מקור, תוך שמירה על תווי הפנים של כל אחת.

• החלפת רקע ועקביות פריט

  מיקום מוצר או פריט מסוים מתוך תמונה קיימת בתוך סביבה חדשה לגמרי לפי תיאור טקסטואלי.

• השוואת מודלים למחקר

  בדיקת ההבדלים בעקביות זהות בין מודל הבסיס של OmniGen2 לבין התוספת של שכבת ה־LoRA של UMO.

איפה זה נופל

הבעיה המרכזית כרגע היא שהעמוד במצב שגיאת קונפיגורציה, כך שאי אפשר להריץ אותו ישירות עד שהיוצרים יתקנו את ההגדרות. מעבר לזה, המודל מוגבל לשלוש תמונות מקור בלבד. כלי התאמת זהויות נוטים לאבד דיוק ככל שמנסים לחבר כמה פריטים מורכבים במקביל, ואין ערובה שהתוצאה תהיה חפה מטעויות חזותיות.

איך משתמשים

טוענים את התמונות, מקלידים את ההנחיה בתיבה ולוחצים על כפתור Generate Image. הריצה מבוססת על תשתית Zero A10G שמוקצית לפי דרישה, ולכן ייתכן זמן המתנה קצר בהפעלה אם המאיץ מתעורר מתרדמת. אין כאן דרישת הרשמה מיוחדת, אבל נכון לעכשיו סטטוס העמוד מוגדר כבעיית הגדרה שמונעת ממנו לעלות באופן תקין בדפדפן.

הרישיון

הפרויקט מפורסם תחת רישיון אפאצ'י שתיים, שמאפשר שימוש בקוד באופן חופשי בכפוף לתנאי הרישיון. היוצרים מציינים שהדוגמאות נועדו למחקר אקדמי ושהתמונות נלקחו ממאגרים פתוחים או נוצרו במכונה, אך אין התחייבות פרטיות על קבצים שמועלים לרשת.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא ב־Hugging Face ↗