ricardo-manuel-22/editoria-models

EditorIA on-device models

Modelos ONNX para inferencia local en Android. Las fotografías no se envían a este repositorio ni a ningún servicio remoto.

Archivos

• lama_fp32.onnx
  • Big-LaMa completo en FP32. Lo usa Borrar objeto.
  • 208044816 bytes.
  • SHA-256 1faef5301d78db7dda502fe59966957ec4b79dd64e16f03ed96913c7a4eb68d6.
  • Apache-2.0.
• big-lama-512-fp16.onnx
  • Big-LaMa con convoluciones y pesos FP16, interfaz y Fourier FP32.
  • 109398440 bytes.
  • SHA-256 188770e3c5296a3c95b5d97903d4cf61b1229f77cc9e9a81af27b8bc80352376.
  • Apache-2.0.
• realesr-general-x4v3.onnx
  • 4866417 bytes.
  • SHA-256 1940a93ee08283a0a7286183186357b1688fe9fa8ede74604b424586aaddf112.
  • BSD-3-Clause.
• realesr-general-wdn-x4v3.onnx
  • 4868759 bytes.
  • SHA-256 5073c57599850fe59320473ab5e07a91ac7de3af916ef44d5eef2218c7d0b33a.
  • BSD-3-Clause.
• sd15-clip-vocab.json
  • Vocabulario CLIP, copiado sin cambios.
  • 1059962 bytes.
  • SHA-256 e089ad92ba36837a0d31433e555c8f45fe601ab5c221d4f607ded32d9f7a4349.
  • MIT.
• sd15-clip-merges.txt
  • Merges del tokenizador CLIP, copiado sin cambios.
  • 524619 bytes.
  • SHA-256 9fd691f7c8039210e0fced15865466c65820d09b63988b0174bfe25de299051a.
  • MIT.
• sd15-text-encoder-fp16.onnx
  • Codificador de texto de Stable Diffusion 1.5. Pesos FP16, entrada y salida FP32. Entrada input_ids int64 [1, 77], salida last_hidden_state [1, 77, 768].
  • 246305776 bytes.
  • SHA-256 46490b84e43717eef9b235fb9de6659da846a576ee544b46cc826b177e617136.
  • MIT. Son los pesos del codificador de texto CLIP incluidos en el checkpoint.
• sd15-vae-decoder-fp16.onnx
  • Solo el decodificador VAE. Los pesos grandes se guardan en FP16 y se convierten a FP32 antes de cada convolución. Entrada latent_sample, salida sample, ambas FP32. No incluye la escala 0.18215: la aplica la app.
  • 99174193 bytes.
  • SHA-256 97062d589ee6d828521951ba3b7eaf5d4fa0e4ce85292804dc41c352ac277a47.
  • CreativeML OpenRAIL-M.
• sd15-unet-int8-lcm.onnx
  • UNet de Stable Diffusion 1.5 con el LoRA LCM de 4 pasos ya fusionado. Pesos INT8 con DequantizeLinear; activaciones, entradas y salida en FP32. Entradas sample, timestep y encoder_hidden_states. Salida out_sample. Alto y ancho del latente son dinámicos (48 o 64).
  • 864392265 bytes.
  • SHA-256 b8a84f1bdd6f518d42b1af06fb687ff0f5709850ad9329c5a5484c3b2ed2266d.
  • CreativeML OpenRAIL-M.

Procedencia

• LaMa: https://github.com/advimman/lama
• Exportación Big-LaMa ONNX de referencia: https://huggingface.co/Carve/LaMa-ONNX
• Real-ESRGAN: https://github.com/xinntao/Real-ESRGAN
• Checkpoint de Stable Diffusion 1.5, archivo v1-5-pruned-emaonly.safetensors, y tokenizador CLIP de ese mismo repositorio: https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5
• LoRA fusionado en el UNet, pytorch_lora_weights.safetensors: https://huggingface.co/latent-consistency/lcm-lora-sdv1-5
• Licencia CreativeML OpenRAIL-M, texto del 22 de agosto de 2022 publicado con Stable Diffusion: https://github.com/CompVis/stable-diffusion/blob/main/LICENSE La copia que acompaña a este repositorio es LICENSE-OPENRAIL-M.txt.

El tokenizador y el codificador de texto salen de CLIP (OpenAI, MIT). El decodificador VAE y el UNet salen del checkpoint de Stable Diffusion 1.5 y se distribuyen bajo CreativeML OpenRAIL-M. El UNet además incorpora los pesos del LoRA LCM; al ser un derivado de Stable Diffusion 1.5, conserva las restricciones de uso de OpenRAIL-M.

Big-LaMa fue validado numéricamente contra el ONNX FP32: error absoluto medio 0.013547, error medio relativo 0.000098.

El código y los pesos conservan sus licencias originales.