模型介绍
中文整理URSA-0.6B-IBQ1024 模型卡片
模型用途
本模型为文本到图像生成模型，可根据文本提示生成和修改图像。
主要能力
基于文本提示生成图像，支持图像修改任务。模型参数规模为0.6B，支持1024x1024分辨率输出，采用FP16精度推理。模型基于Uniform Discrete Diffusion框架开发，使用Emu3.5-Vision-Tokenizer作为视觉分词器。
输入输出
输入：文本描述（文本提示）
输出：1024x1024分辨率图像
运行要求
推理精度：torch.float16（FP16）
推荐使用🤗 Diffusers库加载和运行模型
基本用法
通过Diffusers库加载模型pipeline进行图像生成。
限制
模型自编码部分为有损压缩。模型无法渲染复杂可读文字。模型无法实现完全逼真的照片级效果。生成的手指等细节可能无法正确呈现。模型在包含成人、暴力和色情内容的网络数据集（LAION-5B和COYO-700M）子集上训练，可能产生相关内容。
偏见
图像生成模型可能强化或加剧社会偏见。
使用限制
本模型仅用于研究目的。禁止用于：生成虚假信息或误导性内容；描绘极端暴力和血腥画面；未经同意冒充他人；未经同意生成性内容；违反使用条款分享受版权或许可保护的材料；故意传播歧视性内容或有害刻板印象；生成贬低、 dehumanizing或有害的人物或文化 representation。
模型未经过事实性训练，不适用于生成真实人物或事件的准确 representation。
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。