LongCat-Image

Мы представляем LongCat-Image — новаторскую открытую двуязычную (китайский и английский) базовую модель для генерации изображений, разработанную для решения ключевых проблем, характерных для современных ведущих моделей: рендеринг многоязычного текста, фотореализм, эффективность развертывания и доступность для разработчиков.

Ключевые возможности

• 🌟 Исключительная эффективность и производительность: имея всего 6B параметров, LongCat-Image превосходит множество открытых моделей, которые в несколько раз больше, по нескольким бенчмаркам, демонстрируя огромный потенциал эффективного проектирования моделей.
• 🌟 Высокое качество редактирования: модель LongCat-Image-Edit демонстрирует передовые результаты среди открытых моделей, обеспечивая наилучшее следование инструкциям и качество изображения при превосходной визуальной согласованности.
• 🌟 Мощный рендеринг китайского текста: LongCat-Image демонстрирует более высокую точность и стабильность при рендеринге распространённых китайских иероглифов по сравнению с существующими SOTA-моделями с открытым исходным кодом и обеспечивает лидирующее в отрасли покрытие китайского словаря.
• 🌟 Выдающийся фотореализм: Благодаря инновационной стратегии работы с данными и фреймворку обучения, LongCat-Image достигает выдающегося фотореализма в генерируемых изображениях.
• 🌟 Комплексная экосистема с открытым исходным кодом: Мы предоставляем полный набор инструментов, от промежуточных контрольных точек до полного кода обучения, что значительно снижает порог входа для дальнейших исследований и разработок.

Для получения подробной информации обратитесь к комплексному LongCat-Image Technical Report

Пример использования

import torch
import diffusers
from diffusers import LongCatImagePipeline

weight_dtype = torch.bfloat16
pipe = LongCatImagePipeline.from_pretrained("meituan-longcat/LongCat-Image", dtype=torch.bfloat16 )
pipe.to('cuda')  # or "mps", "xpu", "cpu"
# pipe.enable_model_cpu_offload()

prompt = '一个年轻的亚裔女性，身穿黄色针织衫，搭配白色项链。她的双手放在膝盖上，表情恬静。背景是一堵粗糙的砖墙，午后的阳光温暖地洒在她身上，营造出一种宁静而温馨的氛围。镜头采用中距离视角，突出她的神态和服饰的细节。光线柔和地打在她的脸上，强调她的五官和饰品的质感，增加画面的层次感与亲和力。整个画面构图简洁，砖墙的纹理与阳光的光影效果相得益彰，突显出人物的优雅与从容。'
image = pipe(
    prompt,
    height=768,
    width=1344,
    guidance_scale=4.0,
    num_inference_steps=50,
    num_images_per_prompt=1,
    generator=torch.Generator("cpu").manual_seed(43),
    enable_cfg_renorm=True,
    enable_prompt_rewrite=True,
).images[0]
image.save(f'./longcat_image_t2i_example.png')

Этот конвейер был предоставлен командой LongCat-Image. Исходная кодовая база доступна здесь.

Доступные модели:

LongCatImagePipeline

• все
• call

LongCatImagePipelineOutput