访问我们的网站，了解我们最近的成果，并探索我们的最新模型！
→ https://www.illustrious-xl.ai/

Illustrious-Lumina-v0.03

本模型基于 Alpha-VLLM/Lumina-Image-2.0，这是一个小巧的 DiT 模型，功能精简但稳定！有关官方仓库，请参阅 https://github.com/Alpha-VLLM/Lumina-Image-2.0。论文

---

在深入探讨 'Illustrious-Lumina-v0.03' 的细节之前，我们很高兴地宣布，您现在可以直接在我们的官方网站 illustrious-xl.ai 上使用 Illustrious XL 模型生成图像。

我们已推出一个完整的图像生成平台，支持高分辨率输出、自然语言提示、自定义预设，以及多个其他平台无法找到的独家模型。

请查阅我们更新的模型系列与命名：Model Series。

需要帮助入门？请参考我们的生成用户指南：ILXL Image Generation User Guide。

---

1. 模型概述

• 架构：2B 参数 DiT。

• 文本编码器：纯 LLM，Gemma-2-2b

• 本分支的目标：我们测试图像主干是否能够在不重新训练 LLM 组件的情况下学习插画概念。

---

Illustrious-Lumina-v0.03 是基于 Lumina-2.0 的一次实验性训练阶段，旨在验证仅通过 LLM 是否能够训练出一个专注于插画的小型 DiT 模型。原始模型在插画能力方面表现不佳，且缺乏相关知识，因此本次训练聚焦于补充这些缺失的知识。

经过 26,500 步训练后，模型 Illustrious-Lumina-v0.03 已展现出对数据集的快速适应能力。

然而请注意，原始模型本身并不擅长插画，而我们的训练目标仅限于插画领域，因此达到理想效果仍需一定时间。

示例已发布于 博客文章。

要测试该模型，请参阅 huggingface space。

如需本地运行模型，请使用 pth 文件 并参考 官方安装指南。safetensors 文件仅用于存储权重——我们将在尽快提供与 ComfyUI 兼容的格式。

2. 训练设置

项目	值
总计观察图像	22M 图像-文本对
步数	26,500
全局批次大小	768
分辨率	1024, 256
检查点	Illustrious_Lumina_2b_22100_ema_unified_fp32.safetensors

该模型共学习了 2200 万组图像-文本对。为加速训练，采用了多分辨率训练策略。

3. 推理示例代码

如需本地运行模型，请使用 pth 文件 并参考 官方安装指南。

可用于复现标题图像的设置如下：

4. 免责声明

本模型不代表任何最终产品，仅用于研究与分析目的。该模型尚未达到生产就绪级别，使用风险自担。

目前模型处于概念验证（Proof of Concept）阶段，仅使用了完整训练所需计算量的约 3%，在 A6000 GPU 上以低分辨率联合训练方式仅使用了 2200 万样本。

如需支持训练加速，请考虑访问我们的 支持页面！