sd-vae-ft-mse-original

sd-vae-ft-mse-original

这个模型用一个经过微调的解码器替换 Stable Diffusion 里的自动编码器，让重建的图像更平滑，尤其是人脸。适合运行原版 CompVis Stable Diffusion 代码、想让解码图像更好的人。

由 stabilityai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：sd-vae-ft-mse-original 存放的是 Stability AI 发布的、用于 Stable Diffusion 的改进版自动编码器。自动编码器把图像压缩成紧凑形式再还原，Stable Diffusion 用它的解码器画出最终的图片。这个是 ft-MSE 版本，只微调了解码器，所以可以直接替换现有的自动编码器。

适合谁：适合运行原版 CompVis Stable Diffusion 代码、想让解码图像更干净的人，许可证为 MIT。

Industry | Who uses it | How they use it | Example
创意工作 | 艺术家 | 在 Stable Diffusion 环境里替换自动编码器 | 让生成图片里的人脸更平滑
软件 | 开发者 | 在图像生成流程里测试这个解码器 | 和原自动编码器的输出作比较
研究 | 机器学习研究人员 | 研究自动编码器微调和重建损失 | 复现报告的分数
工具 | 工具开发者 | 提供更好的默认解码器 | 替换工具包里的自动编码器文件

如果你用的是 diffusers 库，可以跳过它，因为模型卡说这些权重面向原版 CompVis 代码，并把 diffusers 用户指向另一个仓库。

用在哪里：模型卡说要配合原版 CompVis Stable Diffusion 代码使用。

• 原版 CompVis Stable Diffusion 代码库
• Windows、macOS 或 Linux，下载时需要 Python
• 现有的 Stable Diffusion 检查点，因为只改了解码器

Use case | Who | What they get back
替换解码器 | 艺术家 | 输出更平滑的解码图像
人脸重建 | 开发者 | 比原版更好的人脸重建
基准测试 | 研究人员 | 可以和其他自动编码器比较的重建分数

如何设置：你需要 Python 和一个使用原版代码的 Stable Diffusion 环境。

• 带 pip 的 Python
• 原版 CompVis Stable Diffusion 代码库
• 放检查点文件的空间

1. 用 pip 安装 Hugging Face hub 工具。
2. 用 hf 命令下载仓库。
3. 让你的 Stable Diffusion 环境指向下载好的自动编码器检查点。

pip install -U huggingface_hub
hf download stabilityai/sd-vae-ft-mse-original

如何使用：把下载好的检查点放在你的 Stable Diffusion 环境里原自动编码器文件所在的位置。模型卡说它可以直接替换，没有额外的命令，所以你照常运行生成。

Tool | What it does
hf download | 把仓库下载到你的电脑
ft-MSE checkpoint | 用来替换原文件的自动编码器文件
CompVis Stable Diffusion code | 在生成时加载自动编码器

示例：你用平时的 Stable Diffusion 提示词生成一张肖像，一次用原自动编码器，一次用这个。第二张图解码出来的细节应该更平滑，你用眼睛比较两张。

新手与专家：如果你刚接触 Stable Diffusion，可以把自动编码器想成最后一步，把模型的压缩图变成像素。换掉它会改变结果看起来的锐利或平滑程度，而模型的其他部分不变。

如果你熟悉这个领域：两个 kl-f8 自动编码器在原版基础上，用 LAION-Aesthetics 和一个人像子集按 1:1 混合微调。先有 ft-EMA 版本，ft-MSE 从它继续训练了 28 万步，用的是强调 MSE 的损失，输出更平滑。只调了解码器。

从原版 kl-f8 自动编码器出发
微调解码器，得到 ft-EMA
用强调 MSE 的损失继续，得到 ft-MSE
把文件换进 Stable Diffusion
解码出更平滑的图像

注意事项：在 COCO 2017 测试中，rFID 从原版的 4.99 降到 ft-EMA 的 4.42 和 ft-MSE 的 4.70，越低越好。在模型卡报告的两个测试集上，ft-MSE 的 PSNR 都是最高的。

Title: COCO 2017 上的 rFID，越低越好
Original: 4.99
ft-EMA: 4.42
ft-MSE: 4.70

• License: MIT
• Cost to run: 未提及，只需要你自己的硬件
• Data it reaches: 你电脑上的检查点，模型卡没有提到其他内容
• Not for: diffusers 库，因为模型卡说这些权重是给原版 CompVis 代码用的

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 最近 30 天下载：6
• 点赞：1,447
• 许可证：mit
• 标签：stable-diffusion, stable-diffusion-diffusers, text-to-image

链接

• 模型：https://huggingface.co/stabilityai/sd-vae-ft-mse-original
• 文件：https://huggingface.co/stabilityai/sd-vae-ft-mse-original/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download stabilityai/sd-vae-ft-mse-original

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。