# LongCat-Image

  

Apresentamos o LongCat-Image, um modelo de fundação pioneiro, de código aberto e bilíngue (chinês-inglês) para geração de imagens, projetado para abordar os desafios centrais na renderização de texto multilíngue, no fotorealismo, na eficiência de implantação e na acessibilidade para desenvolvedores, que são prevalentes nos modelos líderes atuais.

### Principais recursos
- 🌟 **Eficiência e desempenho excepcionais**: Com apenas **6B parâmetros**, o LongCat-Image supera diversos modelos de código aberto que são várias vezes maiores em múltiplos benchmarks, demonstrando o imenso potencial do design de modelos eficientes.
- 🌟 **Desempenho superior em edição**: O modelo LongCat-Image-Edit atinge desempenho de estado da arte entre os modelos de código aberto, oferecendo liderança em seguimento de instruções e qualidade de imagem, com consistência visual superior.
- 🌟 **Renderização de texto em chinês poderosa**: O LongCat-Image demonstra precisão e estabilidade superiores na renderização de caracteres chineses comuns em comparação com os modelos open-source SOTA existentes e alcança uma cobertura líder do setor do dicionário chinês.
- 🌟 **Fotorrealismo notável**: Por meio de uma estratégia de dados e um framework de treinamento inovadores, o LongCat-Image alcança um fotorrealismo notável nas imagens geradas.
- 🌟 **Ecossistema Open-Source Abrangente**: Fornecemos uma cadeia de ferramentas completa, desde checkpoints intermediários até o código completo de treinamento, reduzindo significativamente a barreira para pesquisas e desenvolvimentos adicionais.

Para mais detalhes, consulte o abrangente [***LongCat-Image Technical Report***](https://arxiv.org/abs/2412.11963)

## Exemplo de uso

```py
import torch
import diffusers
from diffusers import LongCatImagePipeline

weight_dtype = torch.bfloat16
pipe = LongCatImagePipeline.from_pretrained("meituan-longcat/LongCat-Image", dtype=torch.bfloat16 )
pipe.to('cuda')  # or "mps", "xpu", "cpu"
# pipe.enable_model_cpu_offload()

prompt = '一个年轻的亚裔女性，身穿黄色针织衫，搭配白色项链。她的双手放在膝盖上，表情恬静。背景是一堵粗糙的砖墙，午后的阳光温暖地洒在她身上，营造出一种宁静而温馨的氛围。镜头采用中距离视角，突出她的神态和服饰的细节。光线柔和地打在她的脸上，强调她的五官和饰品的质感，增加画面的层次感与亲和力。整个画面构图简洁，砖墙的纹理与阳光的光影效果相得益彰，突显出人物的优雅与从容。'
image = pipe(
    prompt,
    height=768,
    width=1344,
    guidance_scale=4.0,
    num_inference_steps=50,
    num_images_per_prompt=1,
    generator=torch.Generator("cpu").manual_seed(43),
    enable_cfg_renorm=True,
    enable_prompt_rewrite=True,
).images[0]
image.save(f'./longcat_image_t2i_example.png')
```

Este pipeline foi contribuído pela equipe LongCat-Image. A base de código original pode ser encontrada [aqui](https://github.com/meituan-longcat/LongCat-Image).

Modelos disponíveis:

  
    
      
        Modelos Tipo Descrição Link de download
      
    
    
      
        Lançamento final do LongCat‑Image Text‑to‑Image. O modelo padrão para inferência pronta para uso.
        
          🤗 Huggingface
        
      
      
        LongCat‑Image‑Dev Texto‑para‑Imagem Desenvolvimento. Checkpoint de treinamento intermediário, adequado para fine-tuning.
        
          🤗 Huggingface
        
      
      
        LongCat‑Image‑Edit Edição de Imagem Modelo especializado para edição de imagens.
        
          🤗 Huggingface
        
      
    
  

## LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

#### diffusers.LongCatImagePipeline[[diffusers.LongCatImagePipeline]]

```python
diffusers.LongCatImagePipeline(scheduler: FlowMatchEulerDiscreteScheduler, vae: AutoencoderKL, text_encoder: Qwen2_5_VLForConditionalGeneration, tokenizer: Qwen2Tokenizer, text_processor: Qwen2VLProcessor, transformer: LongCatImageTransformer2DModel)
```

[Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/longcat_image/pipeline_longcat_image.py#L205)

O pipeline para geração de texto para imagem.

- todos
- __call__

## LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

#### diffusers.pipelines.longcat_image.LongCatImagePipelineOutput[[diffusers.pipelines.longcat_image.LongCatImagePipelineOutput]]

```python
diffusers.pipelines.longcat_image.LongCatImagePipelineOutput(images: list)
```

[Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/longcat_image/pipeline_output.py#L10)

**Parâmetros:**

images (`list[PIL.Image.Image]` ou `np.ndarray`) : Lista de imagens PIL desruidas de comprimento `batch_size` ou array numpy de forma `(batch_size, height, width, num_channels)`. As imagens PIL ou o array numpy apresentam as imagens desruidas do pipeline de difusão.

Classe de saída para pipelines do Stable Diffusion.