‌Lumina-Image 2.0

‌Lumina-Image 2.0‌是一个由上海AI Lab开发的开源文生图模型，主要用于图像生成。该模型参数量仅为 2.6B，基于扩散Transformer（DiT）架构，融合了高效的图像编解码器（FLUX-VAE-16CH）和文本编码器（Gemma-2-2B）。

模型特点

1. ‌高效性‌：Lumina-Image 2.0的参数量仅为26亿，相对于其他模型如Flux.1的120亿参数量，其体积更小但生成图像的质量较高且速度较快‌。

2. ‌多语言支持‌：该模型支持直接使用中文、日语、韩语等多种语言提示词，提升了文本和图像的对齐效果‌。

3. ‌开源性‌：Lumina-Image 2.0基于Apache 2.0开源，目前已在GitHub上提供了微调代码‌。

适用方法

这里简单介绍下这几个采样参数：

• 采样器/调度器：默认为 eluer/simple，也可以尝试 res_multistep/simple、 ipndm/ays+ 等的组合。

• 采样步数：25-40，不同的生成任务可能需要进行调整，建议先使用25和40分别测试。

• CFG：4-8，实测过高的CFG可能导致生成空白图。

• 图片尺寸：根据官方在huggingface的演示程序，高和宽建议范围：512- 2048。

• 负向提示词：Lumina Image 2.0 支持编写负向提示词，这一点与Flux.1模型有很大不同，我们生成内容有了更强的控制能力。

‌Lumina-Image 2.0的使用方法和我们常用的SD基础工作流使用方法一样，如下图：

应用场景

Lumina-Image 2.0可以应用于多种图像生成任务，包括写真、艺术字、风格化图像、逻辑推理图像、双语提示词以及图片加文字的引导生成等‌。此外，该模型在文本和图像一致性方面表现出色，能够更好地理解并生成符合提示词描述的图像‌。

参考

https://zhuanlan.zhihu.com/p/25221921950