模型详情
模型介绍
中文整理NOVA (d48w1024-sd512) 模型卡片
模型概要
- *开发者：** BAAI
- *模型类型：** 非量化自回归文生图模型
- *模型规模：** 645M
- *模型精度：** torch.float16 (FP16)
- *模型分辨率：** 512x512
模型描述
这是一款基于文本提示生成和修改图像的模型。它是一款非量化视频自回归（NOVA）扩散模型，使用预训练的文本编码器（Phi-2）和一个VAE图像分词器（SD-VAE）。
主要用途
该模型仅用于研究目的。可能的研究领域和任务包括：
生成模型研究。
在教育或创意工具中的应用。
艺术作品生成及设计与其它艺术创作流程中的应用。
探索并理解生成模型的能力局限和偏见。
安全部署可能生成有害内容的模型。
输入输出
输入：文本提示
输出：512x512分辨率的图像
运行要求
模型精度需支持torch.float16（FP16）运行。
基本用法
使用Hugging Face Diffusers库可以简单高效地运行NOVA模型。
限制
模型的自动编码部分是有损的。
模型无法渲染复杂的可读文字。
模型无法达到完美的照片级真实感。
手指等部位通常无法正确生成。
模型在网络数据集LAION-5B和COYO-700M的子集上训练，其中包含成人、暴力和色情内容。
偏见
尽管图像生成模型的能力令人印象深刻，但它们也可能强化或加剧社会偏见。
许可证
Apache 2.0 许可证
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
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
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
运行环境
运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围
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。