[Checkpoint] SD XL

模型简介：
最初发布于 Hugging Face，并经 Stability AI 许可在此分享。

SDXL 由两步潜在扩散流程组成：首先，我们使用基础模型生成所需输出大小的潜在数据。在第二步中，我们使用专门的高分辨率模型，并使用相同的提示将一种名为 SDEdit（https://arxiv.org/abs/2108.01073，也称为“img2img”）的技术应用于第一步生成的潜在数据。

模型描述
· 开发者： Stability AI
· 模型类型：基于扩散的文本到图像生成模型
· 模型描述：这是一个可以根据文本提示生成和修改图像的模型。它是一个潜在扩散模型，使用两个固定的、预训练的文本编码器（OpenCLIP-ViT/G和CLIP-ViT/L）。
· 更多信息资源： GitHub Repository。

模型来源
· 存储库： https：//github.com/Stability-AI/generative-models
· 演示 [可选]： https://clipdrop.co/stable-diffusion

用途
直接使用
该模型仅用于研究目的。可能的研究领域和任务包括
· 生成艺术作品并用于设计和其他艺术过程。
· 在教育或创意工具中的应用。
· 生成模型的研究。
· 安全部署可能产生有害内容的模型。
· 探索和理解生成模型的局限性和偏见。
排除的用途如下所述。

超出范围的使用
该模型并未经过训练以真实地表征人物或事件，因此使用该模型生成此类内容超出了该模型的能力范围。

局限性和偏见

限制
· 模型未能达到完美的照片真实感
· 该模型无法呈现清晰的文本
· 该模型在处理涉及组合性的更困难的任务时会遇到困难，例如渲染对应于“蓝色球体上的红色立方体”的图像
· 一般情况下，面部和人物可能无法正确生成。
· 该模型的自动编码部分是有损的。

偏见
虽然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。

上图评估了用户对 SDXL（有和无细化）与 Stable Diffusion 1.5 和 2.1 的偏好。SDXL 基础模型的表现明显优于之前的变体，而与细化模块相结合的模型实现了最佳的整体性能。

测试提示词和参数：
prompt:
masterpiece, best quality, gorgeous pale american cute girl, smiling, (crop top), red hair loose braided hair, short polca skirt, lean against a tree, field, flowers smiling, perfectly symmetrical face, detailed skin, elegant, alluring, attractive, amazing photograph, masterpiece, best quality, 8K, high quality, photorealistic, realism, art photography, Nikon D850, 16k, sharp focus, masterpiece, breathtaking, atmospheric perspective, diffusion, pore correlation, skin imperfections, DSLR, 80mm Sigma f2, depth of field, intricate natural lighting, looking at camara

Negative prompt:
(deformed iris, deformed pupils), text, worst quality, low quality, jpeg artifacts, ugly, duplicate, morbid, mutilated, (extra fingers), (mutated hands), poorly drawn hands, poorly drawn face, mutation, deformed, blurry, dehydrated, bad anatomy, bad proportions, extra limbs, cloned face, disfigured, gross proportions, malformed limbs, missing arms, missing legs, extra arms, extra legs, (fused fingers), (too many fingers), long neck, camera

Steps: 50, Model: sd_xl_base_1.0_0.9vae, width: 896, height: 1152, Sampler: Euler, CFG scale: 8