YAML Metadata Warning:empty or missing yaml metadata in repo card
Check out the documentation for more information.
PS-IMAGE 2.0
Evolução profissional do PS-IMAGE-1.5 e do
PS-IMAGE-1.6 — mesmo formato de LoRA
(UNet do SDXL-base-1.0, r16/α32, to_q/k/v/out.0, ff.net.0.proj/ff.net.2), treinado por
continuação: drop-in, o código que você já usa funciona trocando só o nome do repo.
O que foi treinado nesta versão
| Objetivo | Dados | Qtd |
|---|---|---|
| Pessoas (rosto/pele) | FFHQ 1024px | ~800 |
| Pessoas de corpo inteiro (mãos), objetos, animais, comidas, cenas | COCO 2017 com legendas humanas | ~2200 |
| Carros (marca/modelo/ano) | Stanford Cars | ~800 |
| Bandeiras (cores e desenho corretos) | PNGs oficiais do flagcdn compostos em céu real, com mastro e ondulação | ~300 |
| Letras (placa/neon/pôster amostrados sobre foto real, com perspectiva e sombra) | síntese no próprio notebook | ~500 |
| Fotos gerais | Flickr30k com legendas humanas | ~400 |
Treino em 1024px com buckets (1024², 1152×896, 896×1152, 768²) — ao contrário do 1.6 (768px),
o time_ids do SDXL acompanha o bucket de cada lote.
Treino
| Item | Valor |
|---|---|
| Init | LoRA PS-IMAGE-1.6 (continuação) |
| Passos | 1500 (batch efetivo 8, 1024px, latentes+embeddings pré-calculados) |
| LR | 3e-5 cosine + warmup 30 · min-SNR γ=5 · AdamW · fp16 + GradScaler + clip 1.0 |
| Hardware | Tesla T4 ×2 (Kaggle) · gradient checkpointing · sessão retomável |
| Tempo desta execução | 155 min |
| Loss final (janela) | 0.11216 |
- Checkpoints:
checkpoints/step_*(retomável — o notebook continua do último automaticamente) - Comparação A/B (mesmos prompts e seeds):
exemplos_16/(1.6) vsexemplos_20/(2.0), em 10 cenários - QA automático:
qa_imagem_20.json· Progresso/métricas:metricas.json
Uso (idêntico ao 1.5/1.6)
import torch
from diffusers import StableDiffusionXLPipeline, DPMSolverMultistepScheduler
from peft import PeftModel
pipe = StableDiffusionXLPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16,
variant="fp16", safety_checker=None).to("cuda")
pipe.unet = PeftModel.from_pretrained(pipe.unet, "Pedro21613/PS-IMAGE-2.0")
pipe.unet = pipe.unet.merge_and_unload()
pipe.scheduler = DPMSolverMultistepScheduler.from_config(
pipe.scheduler.config, use_karras_sigmas=True, algorithm_type="dpmsolver++")
pipe.vae.enable_slicing()
img = pipe('photo of the Brazilian flag waving on a flagpole against a blue sky, '
'national flag, correct design, sharp focus', num_inference_steps=28,
guidance_scale=6.5, height=1024, width=1024).images[0]
img.save("teste.png")
Edição de imagem (imagem → imagem) — a "visão"
LoRA não cria entrada nova de imagem: a "visão" para editar fotos mantendo consistência vem do
pipeline que acompanha este modelo (notebook PS Image 2.0 — Edição): img2img, inpainting por
máscara, ControlNet (canny/depth/pose), IP-Adapter (usa uma imagem de referência — é a
visão de verdade) e refino 1024→1536. Os exemplos ficam em exemplos_edicao/ neste repositório.
Gerado em 2026-10-14 07:26 (UTC) no Kaggle.