最初发布到 Hugging Face，并经 Stability AI 许可在此处分享。

SDXL 由用于潜在扩散的两步流水线组成：首先，我们使用基本模型生成所需输出大小的潜在流水线。在第二步中，我们使用专门的高分辨率模型，并使用相同的提示将称为SDEdit（https://arxiv.org/abs/2108.01073，也称为“img2img”）的技术应用于第一步中生成的潜在。

型号说明

• 开发方：稳定性人工智能

• 型号类型：基于扩散的文本到图像生成模型

• 许可证：SDXL 0.9 研究许可证

• 型号说明：这是一个模型，可用于根据文本提示生成和修改图像。它是一个潜在扩散模型，使用两个固定的、预训练的文本编码器（OpenCLIP-ViT/G 和 CLIP-ViT/L）。

• 更多信息的资源：GitHub 存储库。

模型源

• 存储库：https://github.com/Stability-AI/generative-models

• 演示 [可选]： https://clipdrop.co/stable-diffusion

使用

直接使用

该模型仅用于研究目的。可能的研究领域和任务包括

• 艺术品的生成和用于设计和其他艺术过程。

• 在教育或创意工具中的应用。

• 生成模型研究。

• 安全部署可能生成有害内容的模型。

• 探索和理解生成模型的局限性和偏差。

排除的用途如下所述。

超出范围使用

该模型未经过训练，无法真实地表示人或事件，因此使用该模型生成此类内容超出了该模型的功能范围。

限制和偏见

局限性

• 该模型没有达到完美的照片级真实感

• 模型无法呈现清晰的文本

• 该模型努力处理涉及构图的更困难的任务，例如渲染对应于“蓝色球体顶部的红色立方体”的图像

• 一般情况下，人脸和人物可能无法正确生成。

• 模型的自动编码部分是有损的。

偏见

虽然图像生成模型的功能令人印象深刻，但它们也会加强或加剧社会偏见。

上图评估了用户对 SDXL（有和没有优化）相对于稳定扩散 1.5 和 2.1 的偏好。SDXL 基本模型的性能明显优于以前的变体，并且模型与细化模块相结合可实现最佳的整体性能。