Github
Huggingface
论文项目概述
2_rectified_flow_from_sd_1_5是一个基于Stable Diffusion v1.5微调的文本到图像生成模型。该项目利用了文本条件重流(text-conditioned reflow)技术，旨在实现高质量的图像生成，同时减少生成所需的步骤。
技术特点
重流技术
该项目采用了文本条件重流技术，这是一种具有有趣理论特性的方法。重流技术的详细信息可以在项目相关的论文中找到。
模型训练
模型训练分为两个阶段：
- 第一阶段：使用文本条件重流目标，批量大小为64，迭代70,000次。
- 第二阶段：继续使用文本条件重流目标，增加批量大小至1024，迭代25,000次。
整个训练过程总共耗时75.2个A100 GPU天。
性能评估
在MS COCO 2017数据集上，使用5000张图像和25步欧拉求解器进行评估，得到以下指标：
- FID-5k：21.5
- CLIP得分：0.315
此外，项目还提供了少步生成性能和引导尺度(guidance scale)影响的评估结果。
使用方法
用户可以参考官方GitHub仓库获取详细的使用说明。
生成效果
项目展示了使用随机提示词生成的图像样例，与Stable Diffusion 1.5+DPM-Solver进行了对比。结果显示，2-Rectified Flow生成的图像更加直观明了。
项目意义
2_rectified_flow_from_sd_1_5项目为高质量文本到图像生成提供了一种新的解决方案。通过减少生成步骤，该模型有望提高图像生成的效率，同时保持较高的输出质量。这对于需要快速生成高质量图像的应用场景具有重要意义。
开源与引用
该项目采用cc-by-nc-4.0许可证开源。研究人员在使用该模型或引用相关研究时，可以参考项目提供的引用格式。
