Downloads · 30 days
0
Finisha-LLM/Forza-ia
Forza-ia is a unconditional image generation model from Finisha-LLM. Use it for the unconditional image generation task on the model card, and read the license before you ship it in a product.
Downloads · 30 days
0
Access
Public
Updated Oct 4, 2025
Repo size
11.9 MB
Likes
1
Public
Click a slice to open those files.
.pth11.8 MB · 99%
From the Hugging Face model README

Forza-ia est un modèle d'Intelligence Artificielle unique, conçu pour générer des dessins qui ressemblent à de véritables esquisses d'enfants ! Notre modèle est entraîné à capturer la naïveté, la simplicité et le charme des premiers coups de crayon.
Ce modèle utilise une technologie appelée Auto-encodeur Variationnel (VAE) pour créer de l'art à partir de pur bruit. Chaque image générée est nouvelle, unique et imprévisible.
Les œuvres produites par Forza-ia se distinguent par un style très particulier :
Étant un modèle inconditionnel, Forza-ia ne prend pas d'instructions écrites (pas de "Text-to-Image"). Il fonctionne en mode génération aléatoire.
Chaque fois que vous utilisez le modèle, il crée une œuvre unique, tirée au hasard de l'espace des "dessins d'enfants" qu'il a appris.
Si vous êtes un développeur ou un scientifique des données, voici les étapes pour intégrer Forza-ia dans votre projet PyTorch :
Vous aurez besoin de PyTorch et de la bibliothèque huggingface_hub pour télécharger les poids.
Utilisez l'ID du référentiel et le nom du fichier de poids pour télécharger le modèle :
from huggingface_hub import hf_hub_download
import torch
# Le Référentiel où se trouve le modèle
REPO_ID = "Clemylia/Forza-ia"
FILE_NAME = "forza_ia_vae.pth"
# Téléchargement des poids
weights_path = hf_hub_download(repo_id=REPO_ID, filename=FILE_NAME)
# L'architecture du modèle (Classe VAE) est requise pour charger les poids.
# Vous devez la définir exactement comme elle a été entraînée (voir vae_model_architecture.py).
# ... [Définition de la classe VAE] ...
# Chargement des poids
model = VAE(latent_dim=128)
model.load_state_dict(torch.load(weights_path))
model.eval()
Pour générer un lot d'images, il suffit d'échantillonner du bruit dans l'espace latent (128 dimensions) et de le passer au décodeur :
LATENT_DIM = 128
N_SAMPLES = 1 # Générer une seule image
with torch.no_grad():
# Création du bruit aléatoire (z)
random_noise = torch.randn(N_SAMPLES, LATENT_DIM)
# Le modèle crée l'image à partir du bruit
generated_image = model.decode(random_noise)
# L'image est un tenseur PyTorch dans [-1, 1]. N'oubliez pas de le re-normaliser
# en [0, 1] pour l'affichage ou la sauvegarde.
final_image = (generated_image + 1) / 2
# Utilisez torchvision.utils.save_image ou Matplotlib pour visualiser
| Caractéristique | Valeur |
|---|---|
| Type de Modèle | Auto-encodeur Variationnel (VAE) |
| Framework | PyTorch |
| Dimension Latente | 128 |
| Fonction de Perte | MSE (Perte de Reconstruction) |
Ce modèle a été entraîné sur un jeu de données synthétique de dessins d'enfants (bonhommes bâtons, formes, gribouillis, etc.) pour capturer la diversité du dessin naïf.
Si vous rencontrez un problème ou si vous avez des suggestions pour améliorer Forza-ia (par exemple, pour le rendre conditionnel ! 😉), veuillez ouvrir une issue sur notre page de référentiel.
Nous espérons que Forza-ia ajoutera une touche de créativité et d'authenticité de dessin d'enfant à votre prochain projet ! Bon codage ! 💻
🍪 Utiliser la version large🍪
Si vous souhaitez ou préférez utiliser une version large de Forza-ia, la version Forza-ia-large-1M est pour vous. La version Forza-ia-large-1M a ete entraîné sur exactement 1 millions d'images. et contrairement cette première version ici documenté, Forza-ia-large-1M produit des esquisses de dessins d'enfants coloré (avec la couleur) et de façon beaucoup plus nette. Découvrez la version Forza-ia-large-1M entraîné sur 1 millions d'images, aussi sur Hugging face, a ce lien de depots : https://huggingface.co/Clemylia/Forza-ia-large-1M