2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

Kolors:快手开源的文本到图像生成模型

发布日期:2024-07-17 16:37:36 浏览次数: 4285
作者:小兵的AI视界

微信搜一搜,关注“小兵的AI视界”

01

引言


在人工智能的浪潮中,文本到图像生成技术以其独特的魅力和广泛的应用前景,成为研究者和开发者关注的焦点。近日,快手公司开源了其自研的第三代文本到图像生成模型——Kolors,这一事件在AI领域引起了广泛关注。本文将深入探讨Kolors模型的技术特点、评估测试以及实际代码实践,为读者提供一份详尽的技术指导。



02
Kolors模型简介


Kolor是由快手公司基于Stable Diffusion框架开发的大规模文本到图像生成模型。它在数十亿中英文图文对数据集上进行训练,不仅在视觉质量上表现出色,而且在语义准确性和文本渲染方面展现了显著的优势。Kolors模型特别注重中文内容的理解和生成,能够捕捉和表达具有东方韵味的人物、景观和服饰。

模型基础

  • 多语言支持:Kolors模型支持中英文输入,特别在中文内容的理解和生成上表现出色。

  • 海量数据训练:基于数十亿图文对数据集的训练,确保了模型的泛化能力和准确性。


03
模型特点

Kolors模型的亮点在于其对中文内容的深度理解和高质量的图像生成能力。


1、中文内容的深度理解


Kolors在中文理解和还原上投入了大量工作,能够生成富有中国特色的自然景观和文化象征意义的场景。

2、高质量的图像生成

写实人像:模型能够生成具有东方面孔特征的人像,贴合国人审美。


术风格:支持多种艺术风格的图像生成,如水墨画、雕塑艺术等。


复杂场景:能够处理复杂的场景生成,如古代市井、现代都市等。


04
评估测试

官方团队构建了包含人工评估、机器评估的全面评测内容。在相关基准评测中,Kolors 具有非常有竞争力的表现,达到业界领先水平。构建了一个包含14种垂类,12个挑战项,总数量为一千多个 prompt 的文生图评估集 KolorsPrompts。在 KolorsPrompts 上,同时收集了 Kolors 与市面上常见的 SOTA 级别的开源/闭源系统的文生图结果,并进行了人工评测和机器评测。

1、人类评估


官方邀请了50个具有图像领域知识的专业评估人员对不同模型的生成结果进行对比评估,为生成图像打分,衡量维度为:画面质量、图文相关性、整体满意度三个方面。Kolors 在整体满意度方面处于最优水平,其中画面质量显著领先其他模型。

模型


整体满意度平均分


画面质量平均分


图文相关性平均分


Adobe-Firefly


3.03


3.46


3.84


Stable Diffusion 3


3.26


3.50


4.20


DALL-E 3


3.32


3.54


4.22


Midjourney-v5


3.32


3.68


4.02


Playground-v2.5


3.37


3.73


4.04


Midjourney-v6


3.58


3.92


4.18


Kolors


3.59


3.99


4.17



2、机器评估


官方采用 MPS (Multi-dimensional Human preference Score) 来评估上述模型。以 KolorsPrompts 作为基础评估数据集,计算多个模型的 MPS 指标。Kolors 实现了最高的MPS 指标,这与人工评估的指标一致。

模型


MPS综合得分


Adobe-Firefly


8.5


Stable Diffusion 3


8.9


DALL-E 3


9.0


Midjourney-v5


9.4


Playground-v2.5


9.8


Midjourney-v6


10.2


Kolors


10.3


05

代码实践

Kolors模型的开源为开发者提供了丰富的实践机会。以下是一些基本的代码实践步骤:


1、环境要求


安装必要的依赖库,如PythonPyTorch等。


python 3.8及以上版本


pytorch 1.13.1及以上版本


transformers 4.26.1及以上版本


建议使用CUDA 11.7及以上


2、仓库克隆及依赖安装

1)安装git-lfs


安装git-lfs,用于使用git下载大文件

curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bashsudo apt-get install git-lfsgit lfs install

2)下载Kolors仓库源代码

git clone https://github.com/Kwai-Kolors/Kolors

3)配置python环境

conda create --name kolors python=3.8conda activate kolors

4)安装依赖

cd Kolorspip install -r requirements.txtpython3 setup.py install


3、模型下载


Hugging Face台或modelscope下载Kolors模型的预训练权重。

modelscope download --model=Kwai-Kolors/Kolors --local_dir weights/Kolors

也可以代码下载

#模型下载from modelscope import snapshot_downloadmodel_dir = snapshot_download('Kwai-Kolors/Kolors')


4、模型推理


使用提供的推理代码,根据用户输入的文本描述生成图像。


python3 scripts/sample.py "一张瓢虫的照片,微距,变焦,高质量,电影,拿着一个牌子,写着“可图”"# The image will be saved to "scripts/outputs/sample_text.jpg"


5启动Web demo

python3 scripts/sampleui.py


06
结语

Kolors模型的开源,不仅为AI领域的研究者和开发者提供了新的工具和数据,也为中文内容的图像生成带来了新的可能性。随着技术的不断进步和社区的共同努力,我们有理由相信,Kolors将在文本到图像生成领域发挥更大的作用,推动人工智能技术的进一步发展。


参考资料


仓库地址:https://github.com/Kwai-Kolors/Kolors


模型地址(huggingface:https://huggingface.co/Kwai-Kolors/Kolors)


模型地址(modelscope:https://www.modelscope.cn/models/Kwai-Kolors/Kolors

点亮“关注”,设为“星标”,精彩不迷路!我们携手探索AI的无限可能,精彩内容,持续为您更新!

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅