dflow_2b は 2B パラメータを持つフローマッチング型テキスト生成画像モデルです。テキストエンコーダは T5Gemma 2 270M の一部を使用しており、オートエンコーダ dinac3_96 は作者が独自に訓練したものです。通常の記述と JSON レイアウト記述の両方を受け付け、二重引用符内の文字はアルファベットごとに読み上げられ、スペル確認に役立ちます。プロンプトの長さは最大 6,144 トークンです。作者によると、約 7 GB の空き VRAM が必要で、最初の画像生成時のコンパイルには 30~45 秒余分に時間がかかりますが、その後は RTX 4090 で 832×1216 の画像を約 10 秒で生成できます。リポジトリは ComfyUI カスタムノードフォルダとしても機能し、サンプルワークフローと技術レポートが含まれています。
なぜ重要か 既存のベースモデルに依存せず、テキストエンコーダとオートエンコーダが非常に小さいため、コンシューマー向け GPU でも動作します。レイアウト形式は MOSS-Image と互換性があり、JSON でポスターのレイアウトを記述できます。
ハグによるいいね 14 · ハグによるスコア上昇 14 · ハグによるダウンロード数 26
ライセンス:非商用 · ComfyUI:リポジトリにノード同梱 · VRAM:約 6 GB(推定)
理由
- モデルカードにはサンプル画像ギャラリー(ComfyUI にドラッグ&ドロップしてワークフローを復元可能)、技術レポート、更新情報が添付されています
- 作者はこれが 0.215 プレビュー版であり、まだ訓練中であることを明記しています。出力品質は不安定なため、複数のシードを試す必要があります
使い方
- Python:
hf download data-archetype/dflow\_2b --local-dir dflow\_2bを実行した後、pip install -e dflow\_2bでインストールし、DFlowPipeline.from_pretrained("dflow\_2b")を使用して画像を生成します。Python 3.12、PyTorch 2.13、および bf16 をサポートする NVIDIA GPU が必要です
リスク
- MG-BY-NC 2.0 は非商用ライセンスであり、テキストエンコーダは別途 Gemma の利用規約の制約を受けます
- ComfyUI で使用する場合は、リポジトリ全体を
custom_nodesにダウンロードし、依存関係をインストールする必要があります。ノードコードは監査されていません - プレビュー版であるため、今後のバージョンでは重みと効果が変更される可能性があります