Различия моделей генерации изображений1
Всем привет!
В малорезультатных попытках освоить различные возможности ИИ в повседневной жизни (читать поиграться с разными моделями в пределах допустимого графической картой) решил посмотреть и сравнить различные модели генераций изображений.
Использовались ПО Invoke (которое позволяет загрузить некоторое количество стартовых моделей) в связке с локальной картой 5070. Делалось 3 запроса:
1) a woman in a garden
2) A steampunk airship battles a giant mechanical kraken above a Victorian-era London. Dramatic perspective, highly detailed, concept art
3) A futuristic cityscape, neon lights, flying cars, concept art
Что именно проверялось:
1) Скорость генерации изображения
2) Стиль генерации (если не указан явным образом в промпте)
3) Соответствие сгенерированного изображения запрошенному
В итоге после первого промпта получилась следующая таблица. Для остальных двух запросов не стал вписывать скорость, так как в целом пропорции схожие.
Сами же изображения будут ниже, но сразу же выделю, что абсолютным победителем по всем 3 параметрам проверки оказался Flux.2. То есть, это та самая модель, которая может выдать наиболее близкое к запросу изображение и при этом качество тоже будет на высоте.
Если же нужен более простой стиль (иногда размытый), то Z-Image явно наш друг.
В остальном, другие модели умеют рисовать, но инструкции не всегда соблюдены. Например, нет кракена для запроса номер 2 или же отсутствуют машины в запросе номер 3.
Z-Image Turbo (Q8)
Architecture (RealVisXL5)
Juggernaut XL v9
Deliberate v5
Dreamshaper 8
ReV Animated
FLUX.2 Klein 9B (GGUF Q8)
К предыдущему посту были вопросики касательно того, что
1) не используются энкодеры и скорость генерации слишком большая
2) у каждой модели свой стиль и некоторые не умеют, например в аниме.
Специально для @Bottl, проверил настройки и сгенерировал отдельно изображения в стиле аниме. (Промпт: Anime-style portrait of a magical girl with sparkling eyes and flowing hair, set against a starry night sky)
Также установил SD-3 и проверил разницу между скоростями Flux 2 Klein 4B и 9B.
Настройки каждой из моделей в карусели:
Что же у нас получается:
1) энкодеры используются для тех моделей, для которых они существуют (были скачаны из стандартного репозитория
2) изображения генерируются дольше, так как используется 100 шагов очистки
3) 4B вариант модели Flux2 Klein отрабатывает в разы быстрее своего 9В аналога (120-160s против 4585s). Вызвано оно тем, что энкодер для 9В варианта, внезапно, имеет вес больше, чем возможность моей локальной карты (аж 15ГБ).
4) как не странно, чуть ли не все модели смогли в стиль аниме. Претензии только к Juggernaut, но и у него есть свой шарм.
Далее, непосредственно результаты:
ZiT 1 шаг
ZiT 100 шагов
FLUX.2 Klein 9B
FLUX.2 Klein 4B
ReV Animated
Dreamshaper 8
Juggernaut XL v9
SD3 medium
Architecture (RealVisXL5)
Deliberate v5