# LongCat-Image

  

Presentamos LongCat-Image, un modelo de base pionero, de código abierto y bilingüe (chino-inglés) para la generación de imágenes, diseñado para abordar los desafíos fundamentales en el renderizado de texto multilingüe, el fotorealismo, la eficiencia de despliegue y la accesibilidad para desarrolladores, que son prevalentes en los modelos líderes actuales.

### Características principales
- 🌟 **Eficiencia y rendimiento excepcionales**: Con solo **6B parámetros**, LongCat-Image supera a numerosos modelos de código abierto que son varias veces más grandes en múltiples benchmarks, demostrando el inmenso potencial del diseño de modelos eficientes.
- 🌟 **Rendimiento superior en edición**: El modelo LongCat-Image-Edit alcanza un rendimiento de vanguardia entre los modelos de código abierto, ofreciendo un seguimiento de instrucciones y una calidad de imagen líderes, con una consistencia visual superior.
- 🌟 **Renderizado de texto chino potente**: LongCat-Image demuestra una precisión y estabilidad superiores en el renderizado de caracteres chinos comunes en comparación con los modelos open source SOTA existentes y logra una cobertura líder de la industria del diccionario chino.
- 🌟 **Fotorrealismo notable**: Gracias a una estrategia de datos y un marco de entrenamiento innovadores, LongCat-Image logra un fotorrealismo notable en las imágenes generadas.
- 🌟 **Ecosistema de código abierto integral**: Ofrecemos una cadena de herramientas completa, desde puntos de control intermedios hasta el código de entrenamiento completo, lo que reduce significativamente la barrera para la investigación y el desarrollo adicionales.

Para más detalles, consulte el informe técnico completo [***LongCat-Image Technical Report***](https://arxiv.org/abs/2412.11963)

## Ejemplo de uso

```py
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')
```

Este pipeline fue aportado por el equipo LongCat-Image. La base de código original se puede encontrar [aquí](https://github.com/meituan-longcat/LongCat-Image).

Modelos disponibles:

  
    
      
        Modelos Tipo Descripción Enlace de descarga
      
    
    
      
        Lanzamiento final de LongCat‑Image Text‑to‑Image. El modelo estándar para inferencia lista para usar.
        
          🤗 Huggingface
        
      
      
        LongCat‑Image‑Dev Texto‑a‑Imagen Desarrollo. Punto de control de entrenamiento intermedio, apto para el ajuste fino.
        
          🤗 Huggingface
        
      
      
        LongCat‑Image‑Edit Edición de imágenes Modelo especializado en edición de imágenes.
        
          🤗 Huggingface
        
      
    
  

## LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

#### diffusers.LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

```python
diffusers.LongCatImagePipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKL, text_encoder: Qwen2_5_VLForConditionalGeneration, tokenizer: Qwen2Tokenizer, text_processor: Qwen2VLProcessor, transformer: LongCatImageTransformer2DModel)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/pipelines/longcat_image/pipeline_longcat_image.py#L205)

El pipeline para la generación de imágenes a partir de texto.

- todos
- __call__

## LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

#### diffusers.pipelines.longcat_image.LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

```python
diffusers.pipelines.longcat_image.LongCatImagePipelineOutput(images: list[PIL.Image.Image, numpy.ndarray])
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/pipelines/longcat_image/pipeline_output.py#L10)

**Parámetros:**

images (`list[PIL.Image.Image]` o `np.ndarray`) : Lista de imágenes PIL desruidas de longitud `batch_size` o matriz numpy de forma `(batch_size, height, width, num_channels)`. Las imágenes PIL o la matriz numpy presentan las imágenes desruidas del pipeline de difusión.

Clase de salida para las tuberías de Stable Diffusion.