GPT
הוספת כלי
B

bigaspv2-5

קוד פתוח

fancyfeastרישיון לא דווח2025-07-16

  • diffusers
  • safetensors
  • endpoints_compatible

גרסה ניסיונית של SDXL שעברה הסבה לשיטת Flow Matching ואומנה על 150 מיליון דוגמאות. מתאימה למי שרוצה לבדוק טווח דינמי רחב ותאורה משופרת, ומוכן לסבול יחס הצלחה נמוך.

  • 2.6Bפרמטרים
  • 2.1 TBמשקל הקבצים
  • 43,285הורדות בחודש
  • 46לייקים

מה זה

מדובר באימון המשך ניסיוני של SDXL בגודל 2.6 מיליארד פרמטרים, שהחליף את לוח הזמנים המקורי של הרעש בשיטת Flow Matching המוכרת ממודלים כמו פלקס. המפתח הרחיב את מאגר הנתונים ל־13 מיליון תמונות ואימן את המודל בהיקף נרחב בהרבה מהגרסה הקודמת שלו, במטרה לבחון שילוב בין ריאליזם לסגנונות אנימה ומושגים מגוונים.

בפועל, השינוי המבני משפר מאוד את הטווח הדינמי בין אזורים כהים לבהירים ומפחית עיוותי גוף ביחס לגרסה שקדמה לו. עם זאת, היוצר עצמו מדווח על תמונה אחת טובה בלבד מתוך שמונה ניסיונות בממוצע, שיפור מול אחת לארבעים בגרסה הקודמת, אך נתון שמבהיר שמדובר במחקר פעיל ולא במוצר יציב.

מתאים ל

  • מחקר על Flow Matching

    בדיקת התנהגות של הסבת ארכיטקטורת SDXL לשיטת דיפוזיה מתקדמת.

  • ניסויי תאורה וקונטרסט

    יצירת תמונות בעלות טווח דינמי רחב מאוד בין אור לצל עמוק.

  • בדיקת צימוד מושגים נדירים

    ניסיון לחבר רעיונות שלא נראו באימון המקורי, בזכות הרחבת הנתונים.

איפה זה נופל

המודל מוגדר רשמית כניסוי גולמי ומאופיין בחוסר יציבות קיצוני. למרות הניסיון ללמד אותו אנימה, הכרטיס מודה בפירוש שהוא גרוע לחלוטין באיור ובסגנונות מצוירים. נוסף על כך, המעבר ל־Flow Matching יצר נטייה חזקה לתמונות בעלות ניגודיות יתר שמצריכות עקיפות בהנחיות, וקיים טרייד אוף מובנה בין שלמות המבנה של התמונה לרמת הפירוט. כרגע לא הייתי מתקרב אליו עבור מערכת ייצור או משהו שדורש תוצאה אמינה בלחיצה אחת.

שאלות
נפוצות

האם המודל מתאים ליצירת איורים ואנימה?

לא. למרות שהמאגר כלל תמונות אנימה, המפתח מצהיר במפורש שהתוצאות בתחום הזה גרועות מאוד. הוא שימושי בעיקר לבדיקות של ריאליזם ותאורה.

איך צריך לנסח את ההנחיות כדי לקבל תוצאה סבירה?

עדיף לכתוב הנחיות טבעיות ומפורטות, ולהשתמש במונחי איכות כמו high quality או low quality. כדאי להימנע מהמילה masterpiece כי היא נוטה להטות את המודל לאיור במקום לצילום, ובשלילה עדיף להסתפק ב־low quality בלבד.

איך מריצים

ההרצה מחייבת תמיכה ב־Flow Matching בתוך תשתית של SDXL. נכון לעכשיו היא נבדקה בעיקר ב־ComfyUI ומחייבת שימוש בצומת ModelSamplingSD3 יחד עם דוגם מסוג euler כדי לפעול נכון, לצד שילוב מנגנון Perturbed Attention Guidance והגדרת ערכי CFG נמוכים מהרגיל, בין 2 ל־5.

המשקל הכולל של הקבצים במאגר מגיע ל־2.1 טרה-בייט המפוזרים על 173 קבצים, מה שהופך את ההורדה והאחסון המקומי לכבדים ומסורבלים. אין שירותי ענן מסחריים שמציעים את המודל הזה כ־API מוכן, כך שאם אתם רוצים לבדוק אותו, תצטרכו להקים שרת עצמאי עם מעבד גרפי מתאים ולהגדיר את תהליך העבודה ידנית.

from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("fancyfeast/bigaspv2-5")
img = pipe("a photo").images[0]

הקבצים

173 קבצים במאגר, 2.1 TB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המאגר פורסם ללא הגדרת רישיון כלל. במצב כזה, מבחינה חוקית כל הזכויות שמורות למפתח ואין היתר ברור לשימוש, הפצה או הטמעה מסחרית בתוך מוצר.

הרישיון המלא בעמוד המודל ↗