【Swift】Core ML Stable DiffusionのStableDiffusionモデルの対応状況

Core ML Stable DiffusionでStableDiffusionモデルがどの程度対応しているか確認してみました。

実行環境はM1 Mac mini 16GB RAMです。

–model-version	実行可否	デフォルト解像度	備考
CompVis/stable-diffusion-v1-4	可	512×512
unwayml/stable-diffusion-v1-5	可	512×512
stabilityai/stable-diffusion-2-base	可	512×512	[Espresso::overflow_error]とログが出る画像生成自体は可能
stabilityai/stable-diffusion-2-1-base	可	512×512	[Espresso::overflow_error]とログが出る画像生成自体は可能
stabilityai/stable-diffusion-2-1	不可	768×768

つい先日2.1の学習済みモデルが出ていたので2.1まで確認しました。

2.x系モデルは通常のものがデフォルト解像度 768×768となっており、
baseが1.x系と同じデフォルト解像度 512×512です。

StableDiffusion以外のものも1つ試したのですが、
必要なファイルがあればデフォルト解像度 512×512であれば大丈夫そうでした。

FAQにはマルチ解像度対応には変換時に対応が必要な事と、一部ファイルが解像度依存と書いてあるので、その辺りが関係してそうな印象を受けます。