metadata

tags:
  - text-to-image
  - lora
  - diffusers
widget:
  - text: Cat on bed
    output:
      url: images/example_84jyrrtjz.png
  - text: nmega. realism cat
    output:
      url: images/example_bp9zou8ex.png
  - text: nmega. realism cat
    output:
      url: images/example_6zly2tetn.png
  - text: nmega. realism car
    output:
      url: images/example_2v40ooiw6.png
  - text: nmega. realism modern car
    output:
      url: images/example_62hlw45iu.png
  - text: nmega. Anime modern car
    output:
      url: images/example_086qn3tr3.png
  - text: nmega. Anime modern car
    output:
      url: images/example_9qicexki9.png
  - text: Red car
    output:
      url: images/example_q0pn7znpw.png
  - text: Wooman
    output:
      url: images/example_yarib05dm.png
  - text: Wooman
    output:
      url: images/example_3767ak1nw.png
  - text: nmega. Anime modern red car
    output:
      url: images/example_hnmtr92jj.png
  - text: Cat on bed
    output:
      url: images/example_1jb7gi22h.png
  - text: Anime, imagine, girl
    output:
      url: images/example_vmuydmcbb.png
  - text: Anime, imagine, man. Orange accent
    output:
      url: images/example_4yxy7nvru.png
  - text: Anime, imagine, hamburgers. Orange accent
    output:
      url: images/example_ie8son3vf.png
  - text: Anime, hamburger eating picture. Orange accent
    output:
      url: images/example_6ua8t370t.png
  - text: an anime hamburger photo. Blue accent
    output:
      url: images/example_ewmvfmjm9.png
base_model: black-forest-labs/FLUX.1-schnell
instance_prompt: nmega
license: apache-2.0

Neurix-Mega

Prompt
Anime, imagine, man. Orange accent

Prompt
Anime, imagine, hamburgers. Orange accent

Prompt
Anime, hamburger eating picture. Orange accent

Prompt
an anime hamburger photo. Blue accent

Prompt
Smug anime girl in a semi PVC style

Описание

Neurix-Mega - это мощная модель, созданная для генерации изображений с использованием обширного набора стилей. Она объединяет в себе разнообразие художественных подходов и техник, обеспечивая пользователю широкие возможности для творчества. Модель построена на базе Flux Schnell, что гарантирует ее высокую скорость работы и качество получаемых результатов.

Download model

Weights for this model are available in PyTorch,Safetensors format.

Download them in the Files & versions tab.

Ключевые особенности

Множество стилей: Neurix-Mega обучена на большом объеме данных, охватывающем разнообразные художественные стили, что позволяет генерировать изображения в различных направлениях.
Большой объем данных: Модель обучена на обширном наборе данных, что способствует ее высокой точности и способности генерировать разнообразные и качественные изображения.
Архитектура Flux Schnell: Использование архитектуры Flux Schnell обеспечивает высокую скорость генерации изображений без потери качества.
Быстрая и качественная: Neurix-Mega сочетает в себе скорость и качество, делая ее идеальным инструментом для креативных задач.

Использование

1. Установка необходимых библиотек:

pip install diffusers transformers accelerate

2. Загрузка и использование модели:

from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained("NeurixYUFI/Neurix-Mega")
pipeline.to("cuda") # если доступен GPU

prompt = "A vibrant landscape painting in the style of Van Gogh"
image = pipeline(prompt).images[0]
image.save("generated_image.png")

3. Параметры генерации

Вы можете настраивать параметры генерации, такие как:

num_inference_steps - количество шагов инференса (влияет на качество и время генерации).
guidance_scale - параметр, влияющий на соответствие с промптом.
seed - для воспроизводимости результатов.

image = pipeline(prompt, num_inference_steps=50, guidance_scale=7.5, seed=42).images[0]

Примеры использования

Генерация уникальных концепт-артов.
Создание иллюстраций в различных стилях.
Эксперименты с художественными направлениями.
Генерация аватаров и профильных изображений.

Обучение

Модель была обучена на основе архитектуры Flux Schnell с использованием большого набора данных изображений различных стилей.

Лицензия

Apache 2.0