模型介绍
中文整理SD-XL 1.0-refiner 模型卡片
模型用途
SDXL 是一个基于潜在扩散的文本到图像生成模型，可用于根据文本提示生成和修改图像。
主要能力
SDXL 采用专家集成管道进行潜在扩散。模型使用两个固定的预训练文本编码器（OpenCLIP-ViT/G 和 CLIP-ViT/L）。模型支持两种工作流程：一是先使用基础模型生成潜在表示，再使用专门的细化模型进行去噪处理；二是先使用基础模型生成目标尺寸的潜在表示，再使用高分辨率模型和 SDEdit（img2img）技术进行处理。
输入输出
输入：文本提示
输出：图像
运行要求
需要安装 diffusers >= 0.18.0、transformers、safetensors、accelerate 以及 invisible watermark 库。
如使用 torch >= 2.0，可使用 torch.compile 提升 20-30% 推理速度。
如 GPU 显存不足，可启用 CPU 卸载功能。
基本用法
第一种方式：使用基础模型生成潜在表示，然后使用细化模型进行最终去噪处理。
第二种方式：使用基础模型生成潜在表示后，使用高分辨率模型和 SDEdit 技术处理。
限制
模型无法达到完美的照片级真实感。
模型无法渲染可识别的文字。
模型在处理涉及组合性的复杂任务时表现困难，例如渲染"A red cube on top of a blue sphere"这样的场景。
人脸和人物的生成可能不理想。
模型的自动编码部分存在信息损失。
模型未经过训练来生成真实的人物或事件表示，因此生成此类内容超出模型能力范围。
图像生成模型可能强化或加剧社会偏见。
许可证
CreativeML Open RAIL++-M License
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。