agila-image-v1.0

Isang conditional diffusion model na sinanay mula sa simula (walang Stable Diffusion, walang pretrained weights) na gumagawa ng 32×32 na larawan. Ang model card na ito ay para sa image generator companion ng Randgris/Agila-v1.0.

Katulad ng text model, ang mga int8 weights na ito ay direktang dina-download ng browser papunta sa Cache Storage at pinapatakbo gamit ang sariling WebGPU compute kernels.

---

Detalye ng Model Architecture

Params	1,134,976 (49 tensors)
Architecture	DiT-style: 8×8 patches → 16 tokens, 4 blocks, d 128, 4 heads
Conditioning	time + concept embedding → FiLM (adaLN) scale/shift per block
Diffusion	100 timesteps, linear beta, x0 parameterization, DDIM (eta=0)
Training	11,000 steps · batch 32 · EMA 0.998 · 8 concepts
Weights on disk	1.18 MB int8 per-row, 49 tensors
Resolution	32×32 native (pixelated upscale sa user interface)

Mga Konseptong Sinusuportahan (8 Concepts)

Nagsimula ang training gamit ang structural improvements tulad ng x0 parameterization at FiLM conditioning para malinaw na maipakita ang sumusunod na paksa:

1. Sunset
2. Bundok (Mountain)
3. Dagat (Sea)
4. Gubat (Forest)
5. Lungsod (City)
6. Disyerto (Desert)
7. Bukang liwayway (Dawn)
8. Bagyo (Storm)

Quality Tiers sa Browser UI

• High: 24 steps (Inirerekomenda para sa desktop GPU)
• Standard: 16 steps (Inirerekomenda para sa mobile GPU)
• Draft: 8 steps (Awtomatikong CPU fallback)

---

Paano ito Patakbuhin sa Browser

1. Dequantization: Hinihila ang weights.bin at binabasa ang int8 values para i-convert pabalik sa f32 sa JavaScript side habang nilo-load.
2. WGSL Execution: Ipinapasa ang dequantized tensors sa WebGPU buffers para magamit ng custom pipelines.
3. Parity Harness Check: Sinusuri muna ng browser ang system execution laban sa parity.json artifacts (mula sa PyTorch framework) upang masigurong walang deep precision gaps bago mag-render. Maximum validation error tolerance limit ay |Δ| 0.0587.