무조건적 이미지 생성

Unconditional image generation은 텍스트나 이미지와 같은 추가적인 컨텍스트에 의해 유도되지 않는 디노이징(denoising) 과정을 거치므로, 모델이 학습된 학습 데이터의 무작위 샘플처럼 보이는 이미지를 생성합니다.

시작하려면 DiffusionPipeline를 사용하여 anton-l/ddpm-butterflies-128 체크포인트를 로드하여 나비 이미지를 생성합니다. DiffusionPipeline은 이미지 생성에 필요한 모든 모델 구성 요소를 다운로드하고 캐시합니다.

from diffusers import DiffusionPipeline

generator = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")  # or "mps", "xpu", "cpu"
image = generator().images[0]
image

다른 것의 이미지를 생성하고 싶으신가요? 가이드를 참고하여 원하는 이미지를 생성하도록 모델을 학습하는 방법을 배워보세요.

출력 이미지는 저장할 수 있는 PIL.Image 객체입니다:

image.save("generated_image.png")

num_inference_steps 파라미터를 실험해 보는 것도 좋습니다. 이 파라미터는 디노이징 단계의 수를 제어합니다. 디노이징 단계가 많을수록 일반적으로 더 높은 품질의 이미지를 생성하지만, 생성에 더 오랜 시간이 걸립니다. 이미지 품질에 미치는 영향을 확인하기 위해 이 파라미터를 자유롭게 조정해 보세요.

image = generator(num_inference_steps=100).images[0]
image

아래 Space를 사용해 나비 이미지를 생성해 보세요!