🌙 DreamUP - Stable Diffusion con VAE mejorada (Beta)

Estado: 🧪 Beta
Pesos: ❌ No incluidos
Autor: Emilianohack6950
Repositorio: https://huggingface.co/Emilianohack6950/DreamUP

---

🎯 Descripción

DreamUP es un modelo experimental de Stable Diffusion que incorpora una VAE mejorada para obtener una calidad superior en la generación de imágenes.

Este repositorio no contiene pesos entrenados, solo la configuración completa para quienes deseen:

• Entender la arquitectura con VAE optimizada
• Entrenar sus propios pesos a partir de esta base
• Modificar o extender el pipeline para investigación y desarrollo

---

🧩 Componentes

Componente	Modelo	Detalles
UNet	Personalizado (in/out: 16)	cross_attention_dim: 768
VAE	VAE mejorada (VAE-Flux)	Autoencoder KL optimizado
Text Encoder	Modelo CLIP con max 248 tokens	Mayor capacidad para prompts largos
Scheduler	EulerDiscreteScheduler	Configurable
Tokenizer	Tokenizer compatible con encoder	Soporta secuencias largas
Safety Checker	Desactivado	Opcional

---

⚙️ Uso básico

from diffusers import StableDiffusionPipeline
from transformers import AutoTokenizer, AutoModel
from diffusers import UNet2DConditionModel, AutoencoderKL, EulerDiscreteScheduler

# Cargar componentes compatibles
tokenizer = AutoTokenizer.from_pretrained("LongCLIP-L-Diffusers")  # ejemplo para tokenizer largo
text_encoder = AutoModel.from_pretrained("LongCLIP-L-Diffusers")   # modelo con max 248 tokens
unet = UNet2DConditionModel.from_pretrained("Emilianohack6950/DreamUP", subfolder="unet")
vae = AutoencoderKL.from_pretrained("Emilianohack6950/VAE-Flux")
scheduler = EulerDiscreteScheduler.from_pretrained("Emilianohack6950/DreamUP", subfolder="scheduler")

# Crear pipeline
pipe = StableDiffusionPipeline(
    tokenizer=tokenizer,
    text_encoder=text_encoder,
    unet=unet,
    vae=vae,
    scheduler=scheduler,
    safety_checker=None,
    feature_extractor=None,
    requires_safety_checker=False
)

prompt = "Un dragón volando sobre Kyoto al amanecer con detalles ultra realistas"
image = pipe(prompt).images[0]
image.save("output.png")