Instructions to use OpenPathAI/Orbit-1.2-image with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Diffusers
How to use OpenPathAI/Orbit-1.2-image with Diffusers:
pip install -U diffusers transformers accelerate
import torch from diffusers import DiffusionPipeline from diffusers.utils import load_image # switch to "mps" for apple devices pipe = DiffusionPipeline.from_pretrained("OpenPathAI/Orbit-1.2-image", dtype=torch.bfloat16, device_map="cuda") prompt = "Turn this cat into a dog" input_image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png") image = pipe(image=input_image, prompt=prompt).images[0] - Notebooks
- Google Colab
- Kaggle
Orbit 1.2 Image
Orbit 1.2 Image adalah model image-to-image yang dibangun di atas arsitektur pix2pix dengan optimasi khusus untuk berbagai tugas manipulasi gambar. Model ini memiliki 0.9 miliar parameter dan menggunakan tensor tipe FP16 untuk efisiensi komputasi tanpa mengorbankan kualitas hasil.
🛰️ Ringkasan
- Nama Model: Orbit 1.2 Image
- Base Model: pix2pix (Conditional GAN)
- Jumlah Parameter: 0.9B
- Tipe Tensor: FP16 (half precision)
- Tugas Utama: Image-to-Image Translation
- Framework: PyTorch / Hugging Face Diffusers
Model ini dirancang untuk mentransformasi gambar input menjadi output yang diinginkan berdasarkan kondisi tertentu (misalnya: pewarnaan, segmentasi ke foto realistis, atau perubahan gaya).
🧠 Arsitektur
Orbit 1.2 Image menggunakan arsitektur generator U-Net yang dimodifikasi dengan mekanisme attention dan normalisasi yang diadaptasi untuk menangani gambar resolusi tinggi secara efisien. Diskriminator juga ditingkatkan untuk memberikan umpan balik yang lebih baik selama pelatihan.
- Generator: U-Net dengan skip connections + self-attention
- Diskriminator: PatchGAN dengan spektral normalisasi
- Fungsi Loss: Kombinasi L1 loss + Adversarial loss (GAN)
- Downloads last month
- 15