このプロジェクトは、Fluxアーキテクチャに基づくテキストから画像へのモデルNepotismの量子化バージョンで、SVDQuant技術を用いて最適化されています。INT4とFP4の2種類の量子化形式を提供し、それぞれ異なる世代のGPUハードウェアに適しており、画像生成品質を維持しながら、モデルサイズとメモリ使用量を大幅に削減します。

マルチモーダルDiffusers英語

これはDanrisiのFluxアーキテクチャに基づくテキストから画像へのモデルUltraReal Fine-TuneのNunchaku量子化（SVDQ）バージョンです。このモデルは2種類の量子化形式を提供します：INT4は非BlackwellアーキテクチャのGPU（50シリーズ以前）に適しており、NVFP4はBlackwellアーキテクチャのGPU（50シリーズ）に適しており、ハードウェア要件を下げながら画像生成品質を維持することを目的としています。

コンピュータビジョンDiffusers英語

これはUltraReal Fine-TuneモデルのSVDQ量子化バージョンで、DanrisiがFluxをベースに開発したテキストから画像を生成するモデルです。このバージョンは複数の量子化方案を提供し、異なるGPUハードウェアに対応しており、特に非BlackwellシリーズとBlackwellシリーズのGPUに対して最適化されています。

マルチモーダルDiffusers英語

このプロジェクトは、騰訊の混元画像3.0モデルを4ビット（UINT4、SVDランク32）で量子化した成果で、SDNQ量子化方法を採用し、テキストから画像の生成タスクに特化しています。

マルチモーダルTransformers

これはProject0モデルのSVDQ量子化バージョンで、Flux DevとFlux Kreaに基づいて作成されたテキストから画像へのモデルです。このモデルは複数の量子化形式を提供し、さまざまなGPUアーキテクチャに対して最適化されており、INT4とFP4量子化バージョンを含み、Blackwellおよび非Blackwell GPUユーザーに適しています。

マルチモーダルDiffusers英語

Project0 SVDQは、Flux DevとFlux Kreaのテキストから画像へのモデルの量子化バージョンで、SVDQuant技術を用いて最適化され、INT4とFP4の2種類の量子化形式を提供し、それぞれ異なる世代のGPUハードウェアに適しています。

マルチモーダルDiffusers英語

Flux.1に基づくテキストから画像へのモデルの量子化バージョンで、SVDQ量子化技術を採用し、INT4とFP4の2種類の精度を提供し、異なるGPU構成のユーザーに適しており、画像品質を維持しながらモデルサイズとメモリ使用量を大幅に削減します。

コンピュータビジョンDiffusers英語

Flux.1をベースに開発されたテキストから画像生成モデルの量子化バージョンで、SVDQ量子化技術を採用し、INT4とFP4の2種類の量子化形式を提供し、さまざまなハードウェアプラットフォームでの効率的な画像生成に適しています。

コンピュータビジョンDiffusers英語

J1BベースのFlux.1-Devを開発元とするテキストから画像生成モデルの量子化バージョンで、SVDQuant技術を用いて最適化され、INT4とFP4の2種類の量子化形式を提供し、異なるGPUアーキテクチャのユーザーに適しています。

コンピュータビジョンDiffusers多言語

Jib Mix Fluxは、J1BのFlux.1-Devに基づくテキストから画像生成モデルです。このリポジトリでは、そのSVDQ量子化バージョンを提供しており、INT4とNVFP4の2種類の量子化形式が含まれ、それぞれ異なる世代のGPUハードウェアに適しています。

コンピュータビジョンDiffusers多言語

Flux.1をベースに開発されたテキストから画像生成モデルのSVDQ量子化バージョンで、INT4とFP4の2種類の量子化形式を提供し、異なるGPUアーキテクチャに合わせて最適化されています。画像品質を維持しながら、VRAM使用量を大幅に削減し、推論速度を向上させます。

コンピュータビジョンDiffusers英語

PixelWaveはFlux.1をベースに開発されたテキストから画像生成モデルで、Nunchaku量子化（SVDQ）による最適化を施し、さまざまなGPU構成のユーザーに効率的な画像生成ソリューションを提供します。

コンピュータビジョンDiffusers英語

Fluxmania LegacyはFlux.1をベースに開発されたテキストから画像生成モデルです。このリポジトリでは、Nunchaku量子化（SVDQ）を施したバージョンを提供しており、INT4とNVFP4の2種類の精度が含まれ、異なるGPU構成のユーザーに対応しています。

コンピュータビジョンDiffusers英語

CenKreChro-SVDQは、CenKreChroテキストから画像へのモデルをベースにした量子化バージョンで、SVDQuant技術を用いて最適化されています。このモデルはChromaとFlux Kreaの長所を組み合わせ、効率的な画像生成能力を提供し、特に異なるGPUアーキテクチャに対して最適化されています。

コンピュータビジョンDiffusers英語

CenKreChro-SVDQは、ChromaとFlux Kreaを統合したテキストから画像生成モデルの量子化バージョンで、SVDQuant技術を用いて最適化され、INT4とFP4の2種類の量子化形式を提供し、それぞれ異なる世代のGPUハードウェアに適しています。

コンピュータビジョンDiffusers英語

Stable Diffusion XL Base 1.0をベースにした量子化バージョンで、SVDQuant技術を用いて4ビット量子化を実現し、高品質な画像生成能力を維持しながら推論効率を大幅に向上させます。

コンピュータビジョンDiffusers英語

これはNunchakuチームによってSVDQuant技術を使用して量子化されたFLUX.1 Krea devモデルで、テキストから画像生成に特化しています。このモデルは高品質な画像生成能力を維持しながら、推論効率を大幅に向上させており、非商用目的に適しています。

コンピュータビジョンDiffusers英語

これはNunchakuによって量子化されたSANA - 1.6Bモデルのバージョンで、テキストプロンプトに基づいて高品質な画像を生成するために特別に設計されています。このモデルは、先進的なSVDQuant量子化技術を通じて、生成品質を維持しながら推論効率を大幅に最適化し、様々なテキストから画像への生成タスクに適しています。

コンピュータビジョンDiffusers英語

これはFLUX.1-schnellモデルの量子化バージョンで、高効率推論に特化して最適化されており、高品質な画像生成性能を維持しながら計算リソースの需要を大幅に削減することができます。このモデルはSVDQuant技術を用いて4ビット量子化されており、テキストから画像生成のタスクに適しています。

コンピュータビジョンDiffusers英語

安定ビデオ拡散モデル(SVD)を基に構築された動画生成プロセスで、キーフレーム生成により時間的一貫性のある動画を作成し、特定のシーンを探索するために使用されます。

コンピュータビジョンDiffusers